Text-to-speech (TTS)

Multimodala system med OpenAI API

James Chapman

Curriculum Manager, DataCamp

Text-to-speech

Webbläsare, mobilappar, tillgänglighet
Text → realistiskt mänskligt tal
Förbättrar tillgänglighet

Text-to-speech i en mobilapp.

Text-to-speech med OpenAI

Audio-endpoint → .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" och "pcm"

¹ https://www.openai.fm/

Onyx

Onyx-rösten visualiserad som en virtuell assistent.

OpenAI TTS

Optimerad för engelska

Onyx-rösten visualiserad som en virtuell assistent.

En ikon med en ljudinspelning och ett textblock.

Nu kör vi en övning!

Multimodala system med OpenAI API