Převod textu na řeč (TTS)

Multimodální systémy s OpenAI API

James Chapman

Curriculum Manager, DataCamp

Převod textu na řeč

 

  • Internetové prohlížeče, mobilní aplikace, přístupnost
  • Text → realistická lidská řeč
  • Zlepšení přístupnosti

Převod textu na řeč v mobilní aplikaci.

Multimodální systémy s OpenAI API

Převod textu na řeč s OpenAI

  • Endpoint Audio → .speech.create()
response = client.audio.speech.create(

    model="gpt-4o-mini-tts",

    voice="onyx",

    input="Creating human-like speech is now possible with just a few lines of code.
    Pretty neat, right?"

)


response.stream_to_file("output.mp3")
  • response_format: "mp3", "opus", "aac", "flac", "wav" a "pcm"
1 https://www.openai.fm/
Multimodální systémy s OpenAI API

Onyx

Hlas Onyx zobrazený jako virtuální asistent.

Multimodální systémy s OpenAI API

OpenAI TTS

  • Optimalizováno pro angličtinu

Hlas Onyx zobrazený jako virtuální asistent.

Ikona znázorňující zvukovou nahrávku a textový blok.

Multimodální systémy s OpenAI API

Pojďme procvičovat!

Multimodální systémy s OpenAI API

Preparing Video For Download...