Zamiana tekstu na mowę (TTS)

Systemy multimodalne z OpenAI API

James Chapman

Curriculum Manager, DataCamp

Zamiana tekstu na mowę

Przeglądarki, aplikacje mobilne, dostępność
Tekst → realistyczna mowa
Poprawa dostępności

Zamiana tekstu na mowę w aplikacji mobilnej.

TTS z 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", "pcm"

¹ https://www.openai.fm/

Onyx

Głos Onyx przedstawiony jako wirtualny asystent.

TTS OpenAI

Zoptymalizowany pod kątem języka angielskiego

Głos Onyx przedstawiony jako wirtualny asystent.

Ikona przedstawiająca nagranie audio i blok tekstu.

Czas na ćwiczenia!

Systemy multimodalne z OpenAI API