文本转语音
学习如何将文本转换为类人的口头音频。
介绍
音频 API 提供了一个基于我们的 TTS（文本转换为语音）模型的 speech 端点。它具有 6 个内置的语音，可用于：
- 朗读书面的博客文章
- 生成多种语言的口头音频
- 使用流式传输实现实时的音频输出
以下是 alloy 语音的示例：
请注意，我们的使用策略要求您向最终用户明确表示，他们听到的 TTS 语音是由人工智能生成的，而不是人类的语音。
快速启动
speech 端点接受三个关键输入：模型、要转换为音频的文本，以及用于音频生成的语音。一个简单的请求如下所示：
from pathlib import Path
from openai import OpenAI
client = OpenAI()
speech_file_path = Path(__file__).parent / "speech.mp3"
response = client.audio.speech.create(
model="tts-1",
voice="alloy",
input="Today is a wonderful day to build something people love!"
)
response.stream_to_file(speech_file_path)
默认情况下，端点将输出 MP3 文件的口头音频，但也可以配置为输出我们支持的任何格式。
音频质量
对于实时应用程序，标准 tts-1 模型提供了最低的延迟，但比 tts-1-hd 模型的质量较低。由于音频的生成方式，tts-1 在某些情况下可能会生成更多噪音的内容。在某些情况下，音频可能没有明显的差异，这取决于您的听觉设备和个人的听觉能力。
语音选项
尝试不同的语音（alloy，echo，fable，onyx，nova 和 shimmer），以找到符合您想要的音调和听众的语音。当前的语音已针对英语进行了优化。
合金
回声
寓言
缟玛瑙
新星
闪光
支持的输出格式
默认的响应格式是 "mp3"，但也支持其他格式，如 "opus"、"aac"、"flac" 和 "pcm"。
支持的语言
TTS 模型通常遵循 Whisper 模型的语言支持。Whisper 支持以下语言，并且在当前的语音已经针对英语进行了优化之际，也表现得很好：
阿富汗语，阿拉伯语，亚美尼亚语，阿塞拜疆语，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，俾路支语，匈牙利语，冰岛语，印尼语，意大利语，日本语，卡纳达语，哈萨克语，韩国语，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，俄罗斯语，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，塔加逻语，塔米尔语，泰语，土耳其语，乌克兰语，乌尔都语，越南语和威尔士语。
您可以通过在所需语言中提供输入文本来生成口头音频。
流媒体实时音频
语音 API 提供了对实时音频流的支持，使用了分块传输编码。这意味着音频可以在生成并使其可访问之前进行播放。
from openai import OpenAI
client = OpenAI()
response = client.audio.speech.create(
model="tts-1",
voice="alloy",
input="Hello world! This is a streaming test."
)
response.stream_to_file("output.mp3")
常见问题解答
我如何控制生成的音频的情感范围？
没有直接的机制来控制生成的音频的情感表达。某些因素（如大写字母或语法）可能会影响音频的输出，但我们的内部测试表明这些因素的效果不一。
我可以为自己的声音创建自定义副本吗？
不，我们不支持这个功能。
我拥有输出的音频文件吗？
是的，就像我们的 API 的所有输出一样，创建它们的人拥有输出。您仍然有责任向最终用户通知，他们听到的是由人工智能生成的音频，而不是人类的语音。