Озвучка текста (TTS)

Text-to-Speech — преобразование текста в речь. Генерируйте естественно звучащую речь из текстового ввода с помощью моделей OpenAI.

Эндпоинт POST /v1/audio/speech позволяет преобразовать текст в аудиофайл с озвучкой.

Поддерживаемые модели

Модель	Описание
gpt-4o-mini-tts	Быстрая модель с поддержкой инструкций по стилю речи
tts-1	Стандартная модель Text-to-Speech
tts-1-hd	Модель высокого качества

Базовое использование

Python

from openai import OpenAI

client = OpenAI(
    api_key="sk-aitunnel-xxx",
    base_url="https://api.aitunnel.ru/v1/",
)

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="Привет! Это пример озвучки текста через AITUNNEL.",
)

# Сохраняем аудио в файл
response.stream_to_file("output.mp3")

TypeScript

import OpenAI from "openai";
import fs from "fs";

const client = new OpenAI({
  apiKey: "sk-aitunnel-xxx",
  baseURL: "https://api.aitunnel.ru/v1/",
});

const response = await client.audio.speech.create({
  model: "tts-1",
  voice: "alloy",
  input: "Привет! Это пример озвучки текста через AITUNNEL.",
});

const buffer = Buffer.from(await response.arrayBuffer());
fs.writeFileSync("output.mp3", buffer);

cURL

curl https://api.aitunnel.ru/v1/audio/speech \
  -H "Authorization: Bearer sk-aitunnel-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "Привет! Это пример озвучки текста через AITUNNEL."
  }' \
  --output output.mp3

Голоса

Доступные встроенные голоса:

Голос	Описание
alloy	Нейтральный, сбалансированный
ash	Мужской, уверенный
ballad	Мягкий, мелодичный
coral	Женский, тёплый
echo	Мужской, спокойный
fable	Выразительный, повествовательный
onyx	Мужской, глубокий
nova	Женский, энергичный
sage	Спокойный, размеренный
shimmer	Женский, мягкий
verse	Драматичный, выразительный
marin	Приятный, современный
cedar	Спокойный, естественный

Совет

Все голоса хорошо работают с русским языком. Попробуйте несколько, чтобы найти подходящий для вашего проекта.

Инструкции по стилю речи

Модель gpt-4o-mini-tts поддерживает параметр instructions, который позволяет управлять стилем и эмоциональностью речи:

response = client.audio.speech.create(
    model="gpt-4o-mini-tts",
    voice="nova",
    input="Добро пожаловать в наш магазин! Сегодня у нас отличные скидки.",
    instructions="Говори с энтузиазмом и радостью, как диктор рекламы."
)

response.stream_to_file("promo.mp3")

Параметры запроса

Параметр	Тип	Обязательный	Описание
model	string	Да	Модель: tts-1, tts-1-hd или gpt-4o-mini-tts
voice	string	Да	Один из встроенных голосов (см. таблицу выше)
input	string	Да	Текст для озвучки (до 4096 символов)
instructions	string	Нет	Инструкции по стилю (только для gpt-4o-mini-tts)
response_format	string	Нет	Формат: mp3 (по умолчанию), opus, aac, flac, wav, pcm
speed	number	Нет	Скорость речи от 0.25 до 4.0 (по умолчанию 1.0)

Формат ответа

Эндпоинт возвращает бинарный аудиофайл в указанном формате. Стоимость запроса доступна в заголовках ответа.

Примеры использования

Генерация подкаста

segments = [
    ("nova", "Добрый день! Вы слушаете наш еженедельный подкаст о технологиях."),
    ("onyx", "Сегодня мы обсудим последние новости в мире искусственного интеллекта."),
    ("nova", "Начнём с обзора новых моделей, которые вышли на этой неделе."),
]

for i, (voice, text) in enumerate(segments):
    response = client.audio.speech.create(
        model="tts-1-hd",
        voice=voice,
        input=text,
    )
    response.stream_to_file(f"segment_{i}.mp3")

Озвучка уведомлений

response = client.audio.speech.create(
    model="gpt-4o-mini-tts",
    voice="alloy",
    input="У вас новое сообщение от команды поддержки.",
    instructions="Спокойный, деловой тон. Короткая пауза в конце.",
    response_format="wav",
)
response.stream_to_file("notification.wav")

Лучшие практики

1. Выбор модели: tts-1 для скорости, tts-1-hd для качества, gpt-4o-mini-tts для управления стилем
2. Длинные тексты: Разбивайте на фрагменты до 4096 символов
3. Формат аудио: Используйте opus для минимального размера файла, wav для максимального качества
4. Кеширование: Сохраняйте сгенерированные аудиофайлы, чтобы не генерировать один и тот же текст повторно