📦 openai-tts — OpenAI文本转语音

使用 OpenAI 的 TTS API 从文本生成高质量口语音频。

认证

API 密钥以环境变量形式提供：

OPENAI_API_KEY

模型

• gpt-4o-mini-tts - 最新，最可靠。支持音调/风格指令。
• tts-1 - 较低延迟，较低质量
• tts-1-hd - 较高质量，较高延迟

语音选项

内置语音（针对英语优化）：

• alloy, ash, ballad, coral, echo, fable
• nova, onyx, sage, shimmer, verse
• marin, cedar - 推荐以获得最佳质量

注意：tts-1 和 tts-1-hd 仅支持：alloy, ash, coral, echo, fable, onyx, nova, sage, shimmer。

Python 示例

from pathlib import Path
from openai import OpenAI
client = OpenAI() # 使用 OPENAI_API_KEY 环境变量
# 基本用法
with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="Hello, world!",
) as response:
    response.stream_to_file("output.mp3")
# 带音调指令（仅 gpt-4o-mini-tts）
with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="Today is a wonderful day!",
    instructions="Speak in a cheerful and positive tone.",
) as response:
    response.stream_to_file("output.mp3")

处理长文本

对于长文档，请分块并拼接：

from openai import OpenAI
from pydub import AudioSegment
import tempfile
import re
import os
client = OpenAI()
def chunk_text(text, max_chars=4000):
    """在句子边界处将文本分割成块。"""
    sentences = re.split(r'(?<=[.!?])\s+', text)
    chunks = []
    current_chunk = ""
    for sentence in sentences:
        if len(current_chunk) + len(sentence) < max_chars:
            current_chunk += sentence + " "
        else:
            if current_chunk:
                chunks.append(current_chunk.strip())
            current_chunk = sentence + " "
    if current_chunk:
        chunks.append(current_chunk.strip())
    return chunks
def text_to_audiobook(text, output_path):
    """将长文本转换为音频文件。"""
    chunks = chunk_text(text)
    audio_segments = []
    for chunk in chunks:
        with tempfile.NamedTemporaryFile(suffix='.mp3', delete=False) as tmp:
            tmp_path = tmp.name
            with client.audio.speech.with_streaming_response.create(
                model="gpt-4o-mini-tts",
                voice="coral",
                input=chunk,
            ) as response:
                response.stream_to_file(tmp_path)
            segment = AudioSegment.from_mp3(tmp_path)
            audio_segments.append(segment)
            os.unlink(tmp_path)
    
    # 拼接所有片段
    combined = audio_segments[0]
    for segment in audio_segments[1:]:
        combined += segment
    
    combined.export(output_path, format="mp3")

输出格式

• mp3 - 默认，通用用途
• opus - 低延迟流式传输
• aac - 数字压缩（YouTube、iOS）
• flac - 无损压缩
• wav - 未压缩，低延迟
• pcm - 原始采样（24kHz，16位）

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="Hello!",
    response_format="wav", # 指定格式
) as response:
    response.stream_to_file("output.wav")

最佳实践

• 使用 marin 或 cedar 语音以获得最佳质量
• 长内容在句子边界处分割文本
• 使用 wav 或 pcm 以获得最低延迟
• 添加 instructions 参数来控制音调/风格（仅 gpt-4o-mini-tts）