Перейти к основному содержимому

Генерация речи

Доступные модели

Полный список моделей можно посмотреть на странице Модели или получить динамически через API эндпоинты: https://openai.bothub.chat/v1/models и https://bothub.chat/api/v2/replicate/v1/models

BotHub поддерживает генерацию речи через OpenAI-совместимый API. Вы можете преобразовывать текст в аудио, выбирать голос озвучки, формат аудиофайла и скорость воспроизведения.

Для генерации речи используются модели семейства Text-to-Speech (TTS):

  • tts-1 — стандартная модель с низкой задержкой
  • tts-1-hd — улучшенная модель с более высоким качеством озвучки

Доступные голоса​

При генерации речи можно выбрать один из встроенных голосов: alloy, echo, fable, onyx, nova, shimmer.


Поддерживаемые аудио форматы​

API поддерживает генерацию аудио в нескольких форматах: mp3, opus, aac, flac.


Основные параметры запроса​

При создании аудио используются следующие параметры:

ПараметрТипОписание
modelstringМодель генерации речи (tts-1 или tts-1-hd)
voicestringГолос озвучивания
inputstringТекст для преобразования в речь
response_formatstringФормат выходного аудио
speednumberСкорость воспроизведения речи (0.25 – 4.0)

Пример генерации речи​

import OpenAI from 'openai';
import fs from 'fs';

const openai = new OpenAI({
apiKey: 'ВАШ_API_КЛЮЧ_BOTHUB',
baseURL: 'https://openai.bothub.chat/v1'
});

async function main() {
const response = await openai.audio.speech.create({
model: 'tts-1-hd',
voice: 'nova',
input: 'Привет! Это пример генерации речи через BotHub.',
response_format: 'mp3',
speed: 0.9
});

const buffer = Buffer.from(await response.arrayBuffer());

await fs.promises.writeFile('output.mp3', buffer);

console.log('Аудиофайл успешно сохранён.');
}

main();

Рекомендации​

Рекомендации по использованию
  • Для большинства сценариев рекомендуется использовать tts-1, если важна скорость генерации.
  • Используйте tts-1-hd, если приоритетом является качество озвучки.
  • Формат mp3 подходит для большинства приложений и обеспечивает хорошее соотношение качества и размера файла.
  • Значение speed выше 1.0 ускоряет воспроизведение, а ниже 1.0 делает речь медленнее и более плавной.
Официальная документация OpenAI

Подробнее о Text-to-Speech API можно прочитать в официальной документации OpenAI:

https://developers.openai.com/api/docs/guides/text-to-speech