如何调用openai的TTS模型

这是24年1月份写的了，调用代码大概率有变动，仅供参考。

1 什么是OpenAI的TTS模型

OpenAI的TTS模型是一种文本到语音（Text-to-Speech）模型，它可以将给定的文本转换为自然语音音频。TTS代表Text-to-Speech，是一种人工智能技术，它使计算机能够模拟自然语言的声音，从而实现文本的朗读。

在OpenAI的TTS模型中，用户可以选择不同的声音（Voice）和模型类型（Model），以定制生成语音的效果。声音可以是男声或女声，而模型类型可以选择不同的版本，如"tts-1"或"tts-1-hd"，以满足不同的需求。

  1. "tts-1"：

    • "tts-1"是OpenAI TTS的基本版本。
    • 相对较小的模型，适用于一般的文本到语音转换任务。
    • 生成的语音质量较好，但可能在某些情况下缺少一些细节。

  2. "tts-1-hd"：

    • "tts-1-hd"是"tts-1"的高清版本，具有更高的模型容量和更多的参数。
    • 更大的模型容量通常意味着能够更好地捕捉文本中的复杂结构和音频细节。
    • 适用于对语音质量有更高要求的场景，如音频合成、语音应用等。

选择使用哪个版本通常取决于任务的要求和对语音质量的期望。如果对生成语音的质量要求较高，可能会选择使用"tts-1-hd"，而对于一般应用，"tts-1"也提供了良好的性能。在实际使用中，可以尝试两个版本并比较它们在特定任务上的效果。

2 api收费情况

  • $0.015/0.03 per 1,000 input characters，即1000字符0.015美元。

3 如何使用OpenAI的TTS模型

使用OpenAI的TTS模型需要通过API进行调用。以下是使用OpenAI的TTS模型的基本步骤：
该库需要在全局魔法上网环境下使用，若出现connect error类报错，就是节点问题

3.1 步骤：

3.1.1 获取OpenAI API密钥

在使用TTS模型之前，需要获得OpenAI的API密钥。API密钥是用于身份验证的关键信息。具体获取方式请自行查阅。

3.1.2 安装OpenAI Python库

使用Python脚本调用OpenAI的API，需要安装OpenAI的Python库。可以使用以下命令进行安装：

pip install openai
pip install openai -i https://pypi.tuna.tsinghua.edu.cn/simple  # 清华镜像安装，二者任选其一即可。

3.1.3 编写Python脚本

编写Python脚本，导入所需的库（如openai、pathlib等），并配置OpenAI的API密钥。

from pathlib import Path
from openai import OpenAI  # 要求openai库版本1.0以上

# 配置OpenAI的API密钥
client = OpenAI(api_key="your_api_key")

# 设置文件路径
speech_file_path = Path(__file__).parent / "speech.mp3"

3.1.4 使用TTS模型生成语音

在脚本中调用OpenAI的TTS模型，指定模型类型、声音类型和输入文本，然后将生成的语音保存到文件。

# 调用OpenAI的TTS模型
response = client.audio.speech.create(
    model="tts-1-hd", # 模型选择
    voice="echo",  # 不同语音模式选择
    input="你好，世界！"  # 生成内容选择
)

# 将生成的语音保存到文件
response.stream_to_file(speech_file_path)

3.1.5 不同的语音模式（voice option）

ChatGPT 在OpenAI的TTS-1模型中，Alloy、Echo、Fable、Onyx、Nova和Shimmer代表不同的语音模式或声音类型。每种语音模式都具有独特的音质、音调和语音特点。以下是对这六种语音模式的简要介绍：

  1. Alloy（合金）：

    • Alloy 是一种女声语音模式。
    • 声音可能具有音乐感，适用于一般性的语音合成任务。

  2. Echo（回声）：

    • Echo 是一种男声语音模式。
    • 可能具有较深的音调，适用于需要男声的场景。

  3. Fable（寓言）：

    • Fable 是一种语音模式，具有独特的声音特点。
    • 可能呈现出富有魅力和讲故事感的音质。

  4. Onyx（黑玛瑙）：

    • Onyx 是一种语音模式，可能具有深沉和富有表现力的音质。
    • 适用于需要更加庄重和深情的场景。

  5. Nova（新星）：

    • Nova 是一种语音模式，可能呈现出明亮、清晰和生动的音质。
    • 适用于需要更加活泼和清晰的语音的场景。

  6. Shimmer（闪光）：

    • Shimmer 是一种语音模式，可能具有更加明亮和闪耀的音质。
    • 适用于需要更加活泼和轻松的场景。

3.1.6 配置

3.1.6.1 法一 配置代理后，再开代理软件

  • _base_client.py ps：这个文件我忘了在哪了，应该在opneai这个包里。
    • image.png
proxies = {
    'http://':'http://127.0.0.1:端口',
    'https://': 'http://127.0.0.1:端口'
}

3.1.6.2 法二 开全局代理（必须是tun模式，i.e 改网卡的那种）

3.1.7 运行脚本

运行编写好的Python脚本，根据需要提供相应的命令行参数，如API密钥、模型类型、声音类型和输入文本。
也可以在ide中直接运行，不用按照如下方式

python your_script.py --api_key="your_api_key" --model="tts-1-hd" --voice="echo" --input_text="你好，世界！"

3.1.8 完整代码

from pathlib import Path
from openai import OpenAI
client = OpenAI(api_key="your_api_key")  # 此处属于你的api

speech_file_path = Path(__file__).parent / "speech.mp3"  # 设置文件路径
response = client.audio.speech.create(
  model="tts-1",
  voice="alloy",
  input="Today is a wonderful day to build something people love!"
)  # 生成的文本内容，支持中文

response.stream_to_file(speech_file_path)
posted @ 2024-09-04 21:21  ScopeAstro  阅读(140)  评论(0)  编辑  收藏  举报