---
title: "Apa itu text-to-speech (TTS)? Cara kerja API suara | BroadRouter"
description: "Text-to-speech mengubah teks menjadi audio ucapan. Cara kerja API TTS, fungsi SSML, format output, dan kenapa BroadNet punya speech-to-text tapi tidak TTS."
url: https://broadrouter.com/id/glossary/text-to-speech/
lang: id
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/text-to-speech/) (diperbarui 2026-11-15).

# Text-to-speech (TTS)

Diperbarui 2026-11-15

Text-to-speech (TTS), atau sintesis ucapan, mengubah teks tertulis menjadi audio ucapan. API TTS menerima teks, sebuah suara, dan format output seperti MP3 atau WAV, lalu mengembalikan ucapan yang dihasilkan. TTS adalah kebalikan dari speech-to-text, yang mengubah audio menjadi teks.

Disebut juga: text-to-speech, teks ke suara, teks ke ucapan, ubah teks jadi suara, sintesis ucapan, TTS, text to speech, speech synthesis

Speech-to-text mendengarkan. Text-to-speech menjawab dengan suara. Asisten suara membutuhkan keduanya.

## Cara kerjanya

API TTS menerima tiga hal: teks, suara, dan format audio. Berikut bentuk contoh Python di panduan OpenAI:

```python
from openai import OpenAI
client = OpenAI()
with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="Today is a wonderful day to build something people love!",
    instructions="Speak in a cheerful and positive tone.",
) as response:
    response.stream_to_file("speech.mp3")
```

Panduannya mendokumentasikan endpoint `/v1/audio/speech`, 13 suara bawaan, dan format output MP3 (default), Opus, AAC, FLAC, WAV, dan PCM, di mana PCM adalah sampel mentah 24 kHz 16-bit tanpa header. API ini mendukung streaming dengan chunked transfer encoding, sehingga pemutaran bisa dimulai sebelum file selesai, dan menyarankan WAV atau PCM untuk respons tercepat. Panduan itu juga menandai `tts-1`, `tts-1-hd`, dan `gpt-4o-mini-tts` sebagai deprecated, dengan penghentian pada 6 Januari 2027. Cek daftar model terbaru sebelum membangun di atas salah satunya.

Banyak engine juga menerima SSML, markup XML dari W3C untuk sintesis ucapan. Elemen root `<speak>` mendeklarasikan `version="1.1"` dan `xml:lang`. Elemen lainnya antara lain `<break>` untuk jeda, `<say-as>` untuk menandai tanggal atau angka, `<phoneme>` untuk pelafalan yang persis (misalnya dalam IPA), dan `<lang>` untuk frasa dalam bahasa lain:

```xml
<speak version="1.1" xml:lang="en-US">
  Pasta should be cooked <lang xml:lang="it">al dente</lang>.
  <break/> Enjoy your meal.
</speak>
```

## Mengapa penting

-   **Produk suara adalah pipeline.** Voice bot terdiri dari [speech-to-text](https://broadrouter.com/id/glossary/speech-to-text/), lalu model chat, lalu TTS. Setiap langkah menambah [latensi](https://broadrouter.com/id/glossary/latency/) dan biaya, dan masing-masing bisa dari penyedia berbeda.
-   **Pilihan format.** Format output menentukan ukuran dan dukungan pemutaran. WhatsApp, misalnya, memutar voice note [Ogg Opus](https://broadrouter.com/id/glossary/ogg-opus/).
-   **Pengungkapan.** OpenAI mewajibkan pengguna akhir diberi tahu bahwa suara TTS dihasilkan AI.

## Di BroadNet Inference

BroadNet tidak menyediakan text-to-speech. Referensi API-nya hanya mendokumentasikan `POST /v1/chat/completions` dan `POST /v1/audio/transcriptions`. BroadNet menyediakan arah sebaliknya: [BroadNet Transcribe Arabic](https://broadrouter.com/id/models/cohere-transcribe-arabic/) dan [BroadNet Transcribe](https://broadrouter.com/id/models/cohere-transcribe/) mengubah audio WAV atau MP3 menjadi teks, dengan harga $0.0042 dan $0.002 per menit. BroadNet juga tidak menyediakan suara live atau real-time.

Jika produk Anda harus bisa berbicara, pasangkan transkripsi dan chat BroadNet dengan penyedia TTS terpisah. [Teks, suara, dan visi](https://broadrouter.com/id/blog/text-speech-vision/) memetakan pekerjaan mana yang ditangani BroadNet dan kapan Anda butuh layanan lain, dan artikel [arsitektur chatbot WhatsApp](https://broadrouter.com/id/blog/arabic-whatsapp-chatbot-architecture/) menunjukkan sisi voice note dari pipeline tersebut.

## Kesalahan umum

-   **Tertukar antara TTS dan STT.** API speech-to-text tidak menghasilkan audio. Periksa daftar endpoint-nya, bukan hanya kata “speech”.
-   **Mengira SSML berfungsi di mana saja.** Banyak API hanya menerima teks biasa atau sebagian SSML.

## Pertanyaan umum

### Apakah BroadNet Inference menyediakan text-to-speech?

Tidak. BroadNet mendokumentasikan dua endpoint, chat completions dan transkripsi audio. Tidak ada /v1/audio/speech. Gunakan penyedia TTS terpisah jika aplikasi Anda harus bisa berbicara.

### Apa itu SSML?

Speech Synthesis Markup Language, sebuah W3C Recommendation (versi 1.1, 2010). Isinya XML yang mengatur pelafalan, jeda, nada, kecepatan, dan pergantian bahasa dalam ucapan sintetis. Dukungannya berbeda di tiap penyedia TTS.

### Apakah saya harus memberi tahu pengguna bahwa suaranya buatan AI?

Kebijakan penggunaan OpenAI, seperti dikutip di panduan TTS-nya, mewajibkan pengungkapan yang jelas bahwa suara tersebut dihasilkan AI. Periksa ketentuan penyedia Anda sendiri dan hukum setempat.

## Lihat juga

-   [Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/) (istilah)
-   [AI multimodal (multimodal AI)](https://broadrouter.com/id/glossary/multimodal/) (istilah)
-   [Ogg Opus](https://broadrouter.com/id/glossary/ogg-opus/) (istilah)
-   [WAV](https://broadrouter.com/id/glossary/wav/) (istilah)
-   [Streaming (respons streaming)](https://broadrouter.com/id/glossary/streaming/) (istilah)
-   [Teks, suara, atau vision? Mulailah dari tugasnya](https://broadrouter.com/id/blog/text-speech-vision/) (artikel)
-   [Arsitektur chatbot WhatsApp bahasa Arab: dari voice note ke balasan](https://broadrouter.com/id/blog/arabic-whatsapp-chatbot-architecture/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-text-to-speech&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi API OpenAI, panduan text to speech: /v1/audio/speech, suara, format output, aturan pengungkapan (diperiksa 2026-11-15)](https://developers.openai.com/api/docs/guides/text-to-speech)
-   [W3C, Speech Synthesis Markup Language (SSML) Versi 1.1, Recommendation (diperiksa 2026-11-15)](https://www.w3.org/TR/speech-synthesis11/)
-   [Referensi API BroadNet Inference: endpoint chat completions dan transkripsi audio (diperiksa 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-text-to-speech&utm_content=sources)
