文本转语音 / TTS

了解如何将文本转换为音频。

使用 AI 模型将文本转换为自然语音，支持多种语音风格和输出格式

介绍
文本转语音（TTS）API 基于先进的生成 AI 模型，可以将输入的文本转换为逼真的语音音频。支持多种用途：

为书面博客文章配音
生成多种语言的语音音频
提供实时音频输出流
可用模型列表：

gpt-4o-audio-preview —— OpenAI 最新的音频生成模型，支持对话式音频生成
gpt-4o-mini-tts —— 智能实时应用的首选模型，支持高级语音控制，可以通过提示词控制多种语音特性：
口音 (Accent)
情感范围 (Emotional range)
语调 (Intonation)
印象/风格 (Impressions)
语速 (Speed of speech)
语调 (Tone)
轻声说话 (Whispering)
tts-1-hd —— 高清音质的上一代 TTS 模型
tts-1 —— 标准 TTS 模型，平衡质量和速度

性能建议：为获得最快的响应时间，建议使用 wav 或 pcm 作为响应格式。对于高质量音频，建议使用 tts-1-hd；对于更快的生成速度，使用 tts-1；对于智能语音应用，推荐使用 gpt-4o-mini-tts。

音色预览：你可以在 OpenAI.fm 试听不同音色效果。

模型调用方式
标准 TTS 模型（tts-1, tts-1-hd）
使用 /v1/audio/speech 端点，通过 client.audio.speech.create() 方法调用。

gpt-4o-mini-tts 模型
使用 /v1/audio/speech 端点，支持 instructions 参数进行高级语音控制。

gpt-4o-audio-preview 模型
使用 /v1/chat/completions 端点，需要设置 modalities: ["text", "audio"] 和 audio 配置。

请求参数

Authorization

在 Header 添加参数

Authorization

，其值为在 Bearer 之后拼接 Token

示例：

Authorization: Bearer ********************

Header 参数

Content-Type

string

必需

示例值:

application/json

Authorization

string

必需

示例值:

Bearer {{YOUR_API_KEY}}

Body 参数application/json

model

string

必需

可用的 TTS 模型之一:tts-1 或 tts-1-hd

input

string

必需

要生成音频的文本。最大长度为4096个字符。

voice

string

必需

生成音频时使用的语音。支持的语音有:alloy、echo、fable、onyx、nova 和 shimmer。

response_format

string

可选

默认为 mp3 音频的格式。支持的格式有:mp3、opus、aac 和 flac。

speed

number

可选

默认为 1 生成的音频速度。选择0.25到4.0之间的值。1.0是默认值。

示例

{
    "model": "tts-1",
    "input": "The quick brown fox jumped over the lazy dog.",
    "voice": "alloy",
    "response_format": "wav"
}

示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

请求参数

示例代码

返回响应