Руководство по API text-to-speech (TTS)

Обзор

Audio API предоставляет эндпоинт speech, реализующий следующие функции на базе TTS моделей:

📝 Озвучивание блог-постов

🌍 Генерация многоязычного аудио

🎵 Стриминг аудио в реальном времени

Важно: необходимо уведомлять пользователя, что он слышит AI-сгенерированный голос, а не человеческий

Базовое использование

Базовый пример

Возможности

Опции качества аудио

tts-1: низкая задержка, подходит для real-time приложений

tts-1-hd: более высокое качество, меньше статических артефактов

Доступные голоса

alloy

echo

fable

nova

shimmer

onyx

Поддерживаемые форматы вывода

Формат	Особенности	Применение
MP3	По умолчанию	Универсальный
Opus	Низкая задержка	Стриминг и коммуникации
AAC	Эффективное сжатие	Мобильные устройства
FLAC	Без потерь	Архивирование аудио
WAV	Без сжатия	Real-time приложения
PCM	Сырая выборка	24kHz, 16-бит со знаком

Стриминг аудио в реальном времени

Поддерживаемые языки

Поддерживаются многие языки, включая:

Азиатские: китайский, японский, корейский и др.

Европейские: английский, французский, немецкий и др.

Другие: арабский, хинди и др.

Примечание: текущие голоса в основном оптимизированы под английский

Частые вопросы

Q: Как управлять эмоциями сгенерированного аудио?

A: Прямого механизма управления сейчас нет. Заглавные буквы или грамматика могут повлиять, но эффект неопределённый.

Q: Можно ли создавать кастомные голоса?

A: Создание кастомных голосов не поддерживается.

Q: Кому принадлежит сгенерированное аудио?

A: Создателю, но необходимо уведомлять пользователя, что это AI-аудио.

python использование text-to-speech

Руководство по API text-to-speech (TTS)#

Обзор#

Базовое использование#

Базовый пример#

Возможности#

Опции качества аудио#

Доступные голоса#

Поддерживаемые форматы вывода#

Стриминг аудио в реальном времени#

Поддерживаемые языки#

Частые вопросы#

Q: Как управлять эмоциями сгенерированного аудио?#

Q: Можно ли создавать кастомные голоса?#

Q: Кому принадлежит сгенерированное аудио?#