文字转语音 (TTS) API 指南

概述

音频 API 提供 speech 端点，基于 TTS 模型实现以下功能：

📝 博客文章朗读

🌍 多语言音频生成

🎵 实时音频流输出

重要提示：必须向用户声明所听到的是 AI 生成的语音，而非人类声音

基础使用

基本示例

from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://az.gptplus5.com/v1",
    api_key=key
)

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)

功能特性

音频质量选项

tts-1: 低延迟，适合实时应用

tts-1-hd: 更高质量，可能有更少的静态内容

可用声音

alloy

echo

fable

nova

shimmer

onyx

支持的输出格式

格式	特点	适用场景
MP3	默认格式	通用场景
Opus	低延迟	网络流媒体和通信
AAC	高效压缩	移动设备播放
FLAC	无损压缩	音频存档
WAV	无压缩	低延迟应用
PCM	原始采样	24kHz, 16位有符号

实时音频流

from openai import OpenAI

client = OpenAI(
    base_url="https://az.gptplus5.com/v1",
    api_key=key
)

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="Hello world! This is a streaming test.",
)

response.stream_to_file("output.mp3")

支持语言

支持多种语言，包括：

亚洲语言：中文、日语、韩语等

欧洲语言：英语、法语、德语等

其他语言：阿拉伯语、印地语等

注意：当前声音主要针对英语优化

常见问题

Q: 如何控制生成音频的情感？

A: 目前没有直接控制机制。大写字母或语法可能影响输出，但效果不确定。

Q: 能创建自定义声音吗？

A: 不支持创建自定义声音。

Q: 生成的音频归属权？

A: 归创建者所有，但需告知用户这是 AI 生成的音频。