Руководство по API преобразования текста в речь (TTS)

Обзор

Аудио API предоставляет конечную точку речи для реализации следующих функций на основе модели TTS:

📝 Чтение статьи в блоге вслух

🌍 Генерация многоязычного аудио

🎵 Вывод потокового аудио в реальном времени

ВАЖНО: пользователю необходимо сообщить, что он слышит речь, сгенерированную искусственным интеллектом, а не человеческий голос.

Базовое использование

Базовый пример

из пути импорта pathlib
из openai импорт OpenAI

клиент = OpenAI(
    base_url="https://yossapi.com/v1",
    api_key=ключ
)

речевой_файл_путь = Путь(__файл__).родитель / "speech.mp3"
ответ = client.audio.speech.create(
  модель="tts-1",
  голос="сплав",
  input="Сегодня прекрасный день, чтобы построить то, что нравится людям!"
)

ответ.stream_to_file(speech_file_path)

Особенности

Параметры качества звука

tts-1: низкая задержка, подходит для приложений реального времени.

tts-1-hd: более высокое качество, может содержать меньше статического контента.

Доступные звуки

-сплав
-эхо
-басня
-нова
-мерцать

оникс

Поддерживаемые форматы вывода

Формат	Особенности	Применимые сценарии
MP3	Формат по умолчанию	Общие сцены
Опус	Низкая задержка	Веб-трансляция и коммуникации
ААК	Эффективное сжатие	Воспроизведение с мобильных устройств
ФЛАК	Сжатие без потерь	Аудио архивирование
WAV	Без сжатия	Приложения с низкой задержкой
ПКМ	Необработанные образцы	24 кГц, 16 бит со знаком

Прямая трансляция аудио

из openai импорт OpenAI

клиент = OpenAI(
    base_url="https://yossapi.com/v1",
    api_key=ключ
)

ответ = client.audio.speech.create(
    модель="tts-1",
    голос="сплав",
    input="Привет, мир! Это потоковый тест.",
)

response.stream_to_file("output.mp3")

Поддерживаемые языки

Поддерживает несколько языков, в том числе:

Азиатские языки: китайский, японский, корейский и т. д.

Европейские языки: английский, французский, немецкий и т.д.

Другие языки: арабский, хинди и т. д.

Примечание: текущий звук в основном оптимизирован для английского языка.

Часто задаваемые вопросы

В: Как контролировать эмоции создаваемого звука?

Ответ: На данный момент механизма прямого контроля не существует. Использование заглавных букв или синтаксиса может повлиять на результат, но эффект неопределенен.

В: Могу ли я создавать собственные звуки?

О: Создание собственных звуков не поддерживается.

Вопрос: Кому принадлежит сгенерированный звук?

О: Он принадлежит создателю, но пользователи должны быть проинформированы о том, что это звук, созданный искусственным интеллектом.

Python использует преобразование текста в речь

Руководство по API преобразования текста в речь (TTS)#

Обзор#

Базовое использование#

Базовый пример#

Особенности#

Параметры качества звука#

Доступные звуки#

Поддерживаемые форматы вывода#

Прямая трансляция аудио#

Поддерживаемые языки#

Часто задаваемые вопросы#

В: Как контролировать эмоции создаваемого звука?#

В: Могу ли я создавать собственные звуки?#

Вопрос: Кому принадлежит сгенерированный звук?#