Sintetizar voz
La síntesis de voz, o texto a voz, es la inversa de la conversión de voz en texto. Implica enviar texto a un modelo, que devuelve una secuencia de audio del texto vocalizado.
Los modelos que admiten operaciones de texto a voz incluyen:
- gpt-4o-tts
- gpt-4o-mini-tts
Nota:
La disponibilidad de los modelos varía según la región. Revise la tabla de disponibilidad regional del modelo en la documentación de Microsoft Foundry.
Uso de un modelo de texto a voz
De forma similar a los modelos de conversión de voz a texto, puede usar el cliente AzureOpenAI en el SDK de OpenAI para conectarse al punto de conexión del recurso de Microsoft Foundry y cargar texto en un modelo de texto a voz para la síntesis de voz.
from openai import AzureOpenAI
from pathlib import Path
# Create an AzureOpenAI client
client = AzureOpenAI(
azure_endpoint=YOUR_FOUNDRY_ENDPOINT,
api_key=YOUR_FOUNDRY_KEY,
api_version="2025-03-01-preview"
)
# Path for audio output file
speech_file_path = Path("output_speech.wav")
# Generate speech and save to file
with client.audio.speech.with_streaming_response.create(
model=YOUR_MODEL_DEPLOYMENT,
voice="alloy",
input="This speech was AI-generated!",
instructions="Speak in an upbeat, excited tone.",
) as response:
response.stream_to_file(speech_file_path)
print(f"Speech generated and saved to {speech_file_path}")