OpenAI 最近推出了音訊 API，其中包括基於其 TTS（文字到語音）技術的文字到語音功能 – speech。該功能提供六種內建語音，分別為 Alloy、Echo、Fable、Onyx、Nova 和 Shimmer。
這些聲音對於敘述部落格文章、建立各種語言的口語音訊、為視訊教程新增畫外音或提供實時口語反饋等任務非常有用。根據我的經驗，輸出的聲音非常自然，令人印象深刻。如果您沒有使用任何文字到語音工具，那麼 OpenAI 的這款產品值得您考慮嘗試。
在本文中，我們將探討如何設定 OpenAI 的 TTS 並建立第一個文字到語音應用程式。在本演示中，我們將使用以下設定：
- 作業系統 – macOS
- 應用程式 – 終端
- 程式語言 – cURL
本指南同樣適用於 Windows 使用者。必要時，我會提及與 macOS 上使用的工具和命令不同的工具和命令。
步驟 1 – 設定 cURL
許多作業系統都預裝了 cURL。如果沒有，我們將首先安裝 MacOS 的軟體包管理器 Homebrew，然後使用它來安裝 cURL。
檢查 cURL 是否已安裝
要檢查系統中是否已安裝 cURL，請確保已連線網際網路，然後在終端中鍵入以下命令：
Windows 使用者：使用命令提示符或 Windows PowerShell
curl https://platform.openai.com
如果 cURL 設定正確且已連線網際網路，它將傳送 HTTP 請求以檢索 platform.openai.com 的內容，你應該會看到與此截圖類似的輸出：
如何安裝 cURL
如果遇到提示未安裝 cURL 的錯誤，可以按照提供的步驟進行安裝。
Windows 使用者：如何在 Windows 上安裝 cURL。
開啟一個新的終端視窗，輸入以下命令首先安裝 Homebrew：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
安裝 Homebrew 後，使用以下命令安裝 cURL：
brew install curl
最後，執行下面的命令將自制版本的 cURL 設定為 shell 中的預設版本：
echo 'export PATH="$(brew --prefix)/opt/curl/bin:$PATH"' >> ~/.zshrc source ~/.zshrc
步驟 2：從 OpenAI 獲取 API 金鑰
要獲取 API 金鑰，請先登入 openai.com，然後點選側邊欄上的 “API keys“。
在 API 金鑰頁面，點選 “+ Create new secret key“，為其命名，然後點選 “Create secret key“。
之後，您將收到一個新的密匙。請務必複製並妥善保管，因為我們稍後會用到它。
將密匙儲存在安全且可訪問的位置。您將無法通過 OpenAI 賬戶再次檢視它。如果丟失了密匙，您必須建立一個新密匙。
步驟 3 – 建立首個文字到語音版本
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.
現在是建立第一個文字到語音的時候了。請參考下面的程式碼，並將此處的 YOUR_API_KEY_HERE 替換為您的實際 API 金鑰。
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
複製整段程式碼，貼上到終端（Windows 使用者可以使用 Command Prompt 或 PowerShell），然後按 Enter。
就是這樣！此操作將建立一個名為 example.mp3 的音訊檔案，檔名為 “hello world”。
您可以進行的其他更改
現在，您已經熟悉了使用 OpenAI 音訊 API 將文字轉換為逼真的口語音訊，讓我們深入瞭解一下您可以進行的其他調整，這些調整將影響 TTS 輸出的質量和風格。
基本上，您可以修改以下內容：
1. 使用的模型
預設模型為 tts-1 ，響應速度快，但質量稍差。您可以切換到 tts-1-hd 型號，以獲得更高清晰度的音訊輸出。
"model": "tts-1-hd"
2. 輸出的文章
任何用雙引號括起來的文字都將轉換成語音。示例：
"input": "hello there, how are you doing today?"
3. 選擇的聲音
目前有六種不同的聲音可供選擇： alloy, echo, fable, onyx, nova, 和 shimmer。示例：
"voice": "nova"
4. 輸出檔案
預設情況下，輸出為 .mp3 格式。不過，您可以更改檔名或選擇其他支援的音訊格式。目前支援的格式包括
- Opus .opus：適用於低延遲的網際網路流媒體和通訊。
- AAC .aac：用於數字音訊壓縮，YouTube 等平臺以及 Android 和 iOS 等裝置首選。
- FLAC .flac：提供無損音訊壓縮，深受發燒友青睞，可用於存檔。
示例:
--output myspeech.aac
常見問題
在哪裡可以找到建立的音訊檔案？
輸出檔案位於執行 cURL 指令碼的同一資料夾或路徑中。要查詢終端（Windows 使用者：PowerShell 或 Command Prompt）的當前目錄，請使用以下命令：
- macOS 終端 –
pwd - Windows PowerShell –
pwd - Windows 命令提示符 –
cd
能否建立和使用我的語音的自定義副本？
OpenAI 目前不支援此功能。
其他語音選項聽起來如何？
您可以使用不同的語音引數生成音訊，聽一聽其他語音的聲音，也可以訪問此頁面聆聽樣本。
它支援其他語言嗎？
是的，它支援多種語言。我已經用日語、中文（普通話）、越南語和西班牙語進行了測試，它們聽起來都很合理。
評論留言