合成語音

  • 3 分鐘

小提示

有關更多詳細信息，請參閱 文本和圖像 選項卡！

語音合成，或稱 文字轉語音，是語音轉文字的反向。 它涉及將文字提交給模型，模型會傳回語音化文字的音訊串流。

支援文字轉語音操作的模型包括：

  • GPT-4O-TTS
  • GPT-4O-MINI-TTS

備註

模型可用性會依區域而有所不同。 請參考 Microsoft Foundry 文件中的 模型區域可用性 表。

使用文字轉語音模型

類似語音轉文字模型，你可以使用 OpenAI SDK 中的 AzureOpenAI 用戶端連接 Microsoft Foundry 資源的端點，並將文字上傳到文字轉語音模型進行語音合成。

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}")