Syntetiser tale
Tip
Se fanen Tekst og billeder for flere detaljer!
Talesyntese, eller tekst-til-tale, er det modsatte af tale-til-tekst. Det indebærer, at teksten sendes til en model, som returnerer en lydstrøm af den vokaliserede tekst.
Modeller, der understøtter tekst-til-tale-operationer, inkluderer:
- GPT-4O-TTS
- GPT-4O-Mini-TTS
Bemærkning
Modeltilgængeligheden varierer efter region. Gennemgå tabellen for den regionale tilgængelighed af modellen i Microsoft Foundry-dokumentationen.
Brug af en tekst-til-tale-model
Ligesom med tale-til-tekst-modeller kan du bruge AzureOpenAI-klienten i OpenAI SDK til at forbinde til endepunktet for din Microsoft Foundry-ressource og uploade tekst til en tekst-til-tale-model til talesyntese.
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}")