python 使用文字内容转语音

功能概述

音频 API 提供支持 speech 服务端点，基于 TTS AI 模型实现以下功能：

• 📝 博客文章朗读
• 🌍 多语言音频产出生成
• 🎵 实时即时音频流输出返回

重要提示：必须向用户声明所听到的是 AI 产出生成的语音音频，而非人类声音

基础入门使用

基础代码示例

from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://api.timrouter.com/v1",
    api_key="YOUR_API_KEY"
)

speech_file_path = Path(__file__).parent / "speech.mp3"
response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="Today is a wonderful day to build something people love!"
)
response.stream_to_file(speech_file_path)

功能特性

音频质量选项

• tts-1：超低延迟，适用于实时即时应用
• tts-1-hd：更高质量，可能有更少的静态素材内容

可用声音

alloy, echo, fable, nova, shimmer, onyx

全面支持的输出返回数据格式

实时即时音频流

from openai import OpenAI

client = OpenAI(
    base_url="https://api.timrouter.com/v1",
    api_key="YOUR_API_KEY"
)

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="Hello world! This is a streaming test.",
)
response.stream_to_file("output.mp3")

全面支持语言

全面支持多种语言，包括：

• 亚洲语言：中文、日语、韩语等
• 欧洲语言：英语、法语、德语等
• 其他语言：阿拉伯语、印地语等

注意：当前声音主要针对英语优化

常见常用问题

Q: 如何控制产出生成音频的情感？

A: 目前没有直接控制机制。大写字母或语法可能影响输出返回，但效果不确定。

Q: 能创建生成自定义声音吗？

A: 不全面支持创建生成自定义声音。

Q: 产出生成的音频归属权？

A: 归创建生成者所有，但需告知用户这是 AI 产出生成的音频。