|
OpenAI 最近推出了音频 API，其中包括基于其 TTS（文本到语音）技术的文本到语音功能 – speech 。该功能提供六种内置语音，分别为 Alloy 、 Echo 、 Fable 、 Onyx 、 Nova 和 Shimmer 。 这些声音对于叙述博客文章、创建各种语言的口语音频、为视频教程添加画外音或提供实时口语反馈等任务非常有用。根据我的经验，输出的声音非常自然，令人印象深刻。如果您没有使用任何 ，那么 OpenAI 的这款产品值得您考虑尝试。 在本文中，我们将探讨如何设置 OpenAI 的 TTS 并创建第一个文本到语音应用程序。在本演示中，我们将使用以下设置： 操作系统 – macOS 应用程序 – 终端 编程语言 – cURL 本指南同样适用于 Windows 用户。必要时，我会提及与 macOS 上使用的工具和命令不同的工具和命令。 步骤 1 – 设置 cURL 许多操作系统都预装了 。如果没有，我们将首先安装 MacOS 的软件包管理器 ，然后使用它来安装 cURL。 检查 cURL 是否已安装 要检查系统中是否已安装 cURL，请确保已连接互联网，然后在终端中键入以下命令： Windows 用户： 使用命令提示符或 Windows PowerShell curl https://platform.openai.com 如果 cURL 设置正确且已连接互联网，它将发送 HTTP 请求以检索 platform.openai.com 的内容，你应该会看到与此截图类似的输出： 如何安装 cURL 如果遇到提示未安装 cURL 的错误，可以按照提供的步骤进行安装。 Windows 用户： 。 打开一个新的终端窗口，输入以下命令首先安装 Homebrew： /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" 安装 Homebrew 后，使用以下命令安装 cURL： brew install curl 最后，运行下面的命令将自制版本的 cURL 设置为 shell 中的默认版本： echo 'export PATH="$(brew --prefix)/opt/curl/bin:$PATH"' >> ~/.zshrc source ~/.zshrc 步骤 2：从 OpenAI 获取 API 密钥 要获取 API 密钥，请先登录 ，然后点击侧边栏上的 “ API keys “。 在 API 密钥页面，点击 “ + Create new secret key “，为其命名，然后点击 “ Create secret key “。 之后，您将收到一个新的密匙。请务必复制并妥善保管，因为我们稍后会用到它。 将密匙存储在安全且可访问的位置。 您将无法通过 OpenAI 账户再次查看它 。如果丢失了密匙，您必须创建一个新密匙。 步骤 3 – 创建首个文本到语音版本 Now it’s time to create your first text-to-speech. Refer to the code below, and replace YOUR_API_KEY_HERE with your actual API key. 现在是创建第一个文本到语音的时候了。请参考下面的代码，并将此处的 YOUR_API_KEY_HERE 替换为您的实际 API 密钥。 curl https://api.openai.com/v1/audio/speech \ -H "Authorization: Bearer YOUR_API_KEY_HERE" \ -H "Content-Type: application/json" \ -d '{ "model": "tts-1", "input": "hello world", "voice": "alloy" }' \ --output example.mp3 示例: curl https://api.openai.com/v1/audio/speech \ -H "Authorization: Bearer sk-IfClJS63a7Ny3v6yKncIT3XXXXXXXXXXXXXX" \ -H "Content-Type: application/json" \ -d '{ "model": "tts-1", "input": "hello world", "voice": "alloy" }' \ --output example.mp3 复制整段代码，粘贴到终端（Windows 用户可以使用 Command Prompt 或 PowerShell），然后按 Enter。 就是这样！此操作将创建一个名为 example.mp3 的音频文件，文件名为 “hello world”。 您可以进行的其他更改 现在，您已经熟悉了使用 OpenAI 音频 API 将文本转换为逼真的口语音频，让我们深入了解一下您可以进行的其他调整，这些调整将影响 TTS 输出的质量和风格。 基本上，您可以修改以下内容： 以及 ，包括其格式。 1. 使用的模型 默认模型为 tts-1 ，响应速度快，但质量稍差。您可以切换到 tts-1-hd 型号，以获得更高清晰度的音频输出。 "model": "tts-1-hd" 2. 输出的文章 任何用双引号括起来的文本都将转换成语音。示例： "input": "hello there, how are you doing today?" 3. 选择的声音 目前有六种不同的声音可供选择： alloy , echo , fable , onyx , nova , 和 shimmer 。示例： "voice": "nova" 4. 输出文件 默认情况下，输出为 .mp3 格式。不过，您可以更改文件名或选择其他支持的音频格式。目前支持的格式包括 Opus .opus ：适用于低延迟的互联网流媒体和通信。 AAC .aac ：用于数字音频压缩，YouTube 等平台以及 Android 和 iOS 等设备首选。 FLAC .flac ：提供无损音频压缩，深受发烧友青睐，可用于存档。 示例: --output myspeech.aac 常见问题 在哪里可以找到创建的音频文件？ 输出文件位于执行 cURL 脚本的同一文件夹或路径中。要查找终端（Windows 用户：PowerShell 或 Command Prompt）的当前目录，请使用以下命令： macOS 终端 – pwd Windows PowerShell – pwd Windows 命令提示符 – cd 能否创建和使用我的语音的自定义副本？ OpenAI 目前不支持此功能。 其他语音选项听起来如何？ 您可以使用不同的语音参数生成音频，听一听其他语音的声音，也可以访问 聆听样本。 它支持其他语言吗？ 是的，它支持多种语言。我已经用日语、中文（普通话）、越南语和西班牙语进行了测试，它们听起来都很合理。 |
