Text-to-Speech (TTS) API-Leitfaden

Übersicht

Die Audio-API stellt den „Sprach“-Endpunkt zur Implementierung der folgenden Funktionen basierend auf dem TTS-Modell bereit:

📝 Blogartikel vorlesen

🌍 Mehrsprachige Audiogenerierung

🎵 Audio-Streaming-Ausgabe in Echtzeit

WICHTIG: Der Benutzer muss darauf hingewiesen werden, dass es sich bei dem, was er hört, um KI-generierte Sprache und nicht um eine menschliche Stimme handelt

Grundlegende Verwendung

Einfaches Beispiel

„Python
aus pathlib import Path
von openai importieren OpenAI

client = OpenAI(
base_url="https://yossapi.com/v1",
api_key=key
)

Speech_file_path = Path(file).parent / "speech.mp3"
Antwort = client.audio.speech.create(
model="tts-1",
Stimme = „Legierung“,
input="Heute ist ein wunderbarer Tag, um etwas zu bauen, das die Leute lieben!"
)

Response.stream_to_file(speech_file_path)
„

Funktionen

Optionen für die Audioqualität

tts-1: geringe Latenz, geeignet für Echtzeitanwendungen

tts-1-hd: höhere Qualität, möglicherweise weniger statischer Inhalt

Verfügbare Sounds

-Legierung
-Echo
-Fabel
-nova
-Schimmer

Onyx

Unterstützte Ausgabeformate

Formatieren	Funktionen	Anwendbare Szenarien
MP3	Standardformat	Gemeinsame Szenen
Opus	Geringe Latenz	Web-Streaming und Kommunikation
AAC	Effiziente Komprimierung	Wiedergabe auf Mobilgeräten
FLAC	Verlustfreie Komprimierung	Audioarchivierung
WAV	Keine Komprimierung	Anwendungen mit geringer Latenz
PCM	Rohproben	24 kHz, 16-Bit signiert

Live-Audio-Streaming

„Python
von openai importieren OpenAI

client = OpenAI(
base_url="https://yossapi.com/v1",
api_key=key
)

Antwort = client.audio.speech.create(
model="tts-1",
Stimme = „Legierung“,
input="Hallo Welt! Dies ist ein Streaming-Test.",
)

Response.stream_to_file("output.mp3")
„

Unterstützte Sprachen

Unterstützt mehrere Sprachen, darunter:

Asiatische Sprachen: Chinesisch, Japanisch, Koreanisch usw.

Europäische Sprachen: Englisch, Französisch, Deutsch usw.

Andere Sprachen: Arabisch, Hindi usw.

Hinweis: Der aktuelle Sound ist hauptsächlich für Englisch optimiert

FAQ

F: Wie kontrolliere ich die Emotionen des generierten Audios?

A: Derzeit gibt es keinen direkten Kontrollmechanismus. Großschreibung oder Syntax können die Ausgabe beeinflussen, die Auswirkung ist jedoch ungewiss.

F: Kann ich benutzerdefinierte Sounds erstellen?

A: Das Erstellen benutzerdefinierter Sounds wird nicht unterstützt.

F: Was ist das Eigentum an dem generierten Audio?

A: Es gehört dem Ersteller, aber Benutzer müssen darüber informiert werden, dass es sich um KI-generiertes Audio handelt.

Python verwendet Text-to-Speech

Text-to-Speech (TTS) API-Leitfaden#

Übersicht#

Grundlegende Verwendung#

Einfaches Beispiel#

Funktionen#

Optionen für die Audioqualität#

Verfügbare Sounds#

Unterstützte Ausgabeformate#

Live-Audio-Streaming#

Unterstützte Sprachen#

FAQ#

F: Wie kontrolliere ich die Emotionen des generierten Audios?#

F: Kann ich benutzerdefinierte Sounds erstellen?#

F: Was ist das Eigentum an dem generierten Audio?#