文本转语音：将文字转换为逼真的语音文本转语音：将文字转换为逼真的语音了解如何将文本转换为逼真的语音音频。音频API提

文本转语音：将文字转换为逼真的语音

了解如何将文本转换为逼真的语音音频。

音频API提供了一个基于我们GPT-4o mini TTS（文本转语音）模型的speech端点。它包含11种内置语音，可用于：

为书面博客文章配音
生成多种语言的语音音频
使用流式传输提供实时音频输出

以下是alloy语音的示例：

我们的使用政策要求你向最终用户明确披露他们听到的TTS语音是AI生成的，而非人类语音。

快速入门

speech端点需要三个关键输入：

你正在使用的模型
要转换为音频的文本
将要输出语音的声音

以下是一个简单的请求示例：

从输入文本生成语音音频

import fs from "fs";
import path from "path";
import OpenAI from "openai";

const openai = new OpenAI({ baseURL: "https://api.aaaaapi.com" });
const speechFile = path.resolve("./speech.mp3");

const mp3 = await openai.audio.speech.create({
  model: "gpt-4o-mini-tts",
  voice: "coral",
  input: "今天是个很棒的日子，可以去创造一些人们喜爱的东西！",
  instructions: "用愉快和积极的语气说话。",
});

const buffer = Buffer.from(await mp3.arrayBuffer());
await fs.promises.writeFile(speechFile, buffer);

from pathlib import Path
from openai import OpenAI

client = OpenAI(base_url="https://api.aaaaapi.com")
speech_file_path = Path(__file__).parent / "speech.mp3"

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="今天是个很棒的日子，可以去创造一些人们喜爱的东西！",
    instructions="用愉快和积极的语气说话。",
) as response:
    response.stream_to_file(speech_file_path)

curl https://api.aaaaapi.com/v1/audio/speech \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini-tts",
    "input": "今天是个很棒的日子，可以去创造一些人们喜爱的东西！",
    "voice": "coral",
    "instructions": "用愉快和积极的语气说话。"
  }' \
  --output speech.mp3

默认情况下，该端点输出语音音频的MP3格式，但你可以将其配置为输出任何支持的格式。

文本转语音模型

对于智能实时应用，请使用gpt-4o-mini-tts模型，这是我们最新、最可靠的文本转语音模型。你可以提示模型控制语音的各个方面，包括：

口音
情感范围
语调
印象
语速
语气
低语

我们的其他文本转语音模型是tts-1和tts-1-hd。tts-1模型提供较低的延迟，但质量低于tts-1-hd模型。

语音选项

TTS端点提供11种内置语音，用于控制文本到语音的渲染方式。在OpenAI.fm中聆听和试用这些声音，这是我们的交互式演示，用于尝试OpenAI API中最新的文本转语音模型。目前语音针对英语进行了优化。

alloy
ash
ballad
coral
echo
fable
nova
onyx
sage
shimmer

如果你使用的是实时API，请注意可用语音集略有不同——请参阅实时对话指南了解当前的实时语音。

流式实时音频

语音API支持使用分块传输编码进行实时音频流式传输。这意味着可以在生成完整文件并使其可访问之前播放音频。

将输入文本的语音音频直接流式传输到扬声器

import OpenAI from "openai";
import { playAudio } from "openai/helpers/audio";

const openai = new OpenAI({ baseURL: "https://api.aaaaapi.com" });

const response = await openai.audio.speech.create({
  model: "gpt-4o-mini-tts",
  voice: "coral",
  input: "今天是个很棒的日子，可以去创造一些人们喜爱的东西！",
  instructions: "用愉快和积极的语气说话。",
  response_format: "wav",
});

await playAudio(response);

import asyncio

from openai import AsyncOpenAI
from openai.helpers import LocalAudioPlayer

openai = AsyncOpenAI(base_url="https://api.aaaaapi.com")

async def main() -> None:
    async with openai.audio.speech.with_streaming_response.create(
        model="gpt-4o-mini-tts",
        voice="coral",
        input="今天是个很棒的日子，可以去创造一些人们喜爱的东西！",
        instructions="用愉快和积极的语气说话。",
        response_format="pcm",
    ) as response:
        await LocalAudioPlayer().play(response)

if __name__ == "__main__":
    asyncio.run(main())

curl https://api.aaaaapi.com/v1/audio/speech \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini-tts",
    "input": "今天是个很棒的日子，可以去创造一些人们喜爱的东西！",
    "voice": "coral",
    "instructions": "用愉快和积极的语气说话。",
    "response_format": "wav"
  }' | ffplay -i -

为了获得最快的响应时间，我们建议使用wav或pcm作为响应格式。

支持的输出格式

默认响应格式是mp3，但也支持其他格式，如opus和wav。

MP3：适用于一般用例的默认响应格式。
Opus：用于互联网流媒体和通信，低延迟。
AAC：用于数字音频压缩，受到YouTube、Android、iOS的青睐。
FLAC：用于无损音频压缩，受到音频爱好者的喜爱，适合存档。
WAV：未压缩的WAV音频，适用于低延迟应用，可避免解码开销。
PCM：类似于WAV，但包含24kHz（16位有符号，小端）的原始样本，没有头部。

支持的语言

TTS模型在语言支持方面通常遵循Whisper模型。Whisper支持以下语言，并且表现良好，尽管语音是针对英语优化的：

南非荷兰语、阿拉伯语、亚美尼亚语、阿塞拜疆语、白俄罗斯语、波斯尼亚语、保加利亚语、加泰罗尼亚语、中文、克罗地亚语、捷克语、丹麦语、荷兰语、英语、爱沙尼亚语、芬兰语、法语、加利西亚语、德语、希腊语、希伯来语、印地语、匈牙利语、冰岛语、印度尼西亚语、意大利语、日语、卡纳达语、哈萨克语、韩语、拉脱维亚语、立陶宛语、马其顿语、马来语、马拉地语、毛利语、尼泊尔语、挪威语、波斯语、波兰语、葡萄牙语、罗马尼亚语、俄语、塞尔维亚语、斯洛伐克语、斯洛文尼亚语、西班牙语、斯瓦希里语、瑞典语、他加禄语、泰米尔语、泰语、土耳其语、乌克兰语、乌尔都语、越南语和威尔士语。

你可以通过提供所选语言的输入文本，生成这些语言的语音音频。

定制和所有权

自定义语音

我们不支持自定义语音或创建你自己的语音副本。

谁拥有输出？

与我们API的所有输出一样，创建输出的人拥有输出。你仍然需要告知最终用户，他们听到的是AI生成的音频，而不是真人在与他们交谈。

对于需要稳定、高效的文本转语音服务的开发者来说，API连接的可靠性至关重要。我们提供的API中转服务通过https://api.aaaaapi.com优化了连接路径，特别适合对实时性要求高的语音应用场景。如果在集成过程中遇到任何连接问题，可访问官网获取更多支持信息，确保你的语音转换服务顺畅运行。