🔊 音频（Audio） - 【OpenAI】TTS文本转语音Python脚本

🔙 【OpenAI】TTS文本转语音Python脚本

下面是一份较全面、实用的 OpenAI 文本转语音（TTS）Python脚本示例

一、功能概览

作用：将输入的文字即时合成自然语音，可用于旁白、语音播报、对话型产品的发声等。
特点：延迟低、可多语言、提供多种预设音色（voices），可输出多种音频格式，支持流式播放。
典型延迟：短句通常在数百毫秒到约 1–2 秒内即可得到可播放的音频；与网络状况、模型与格式有关。

二、可用模型与差异

gpt-4o-mini-tts（推荐默认）：速度快、性价比高，适合绝大多数实时与批量场景。
tts-1：早期通用 TTS 模型，质量与速度均衡。
tts-1-hd：更高音质版本，适合对音频保真度要求更高、对延迟不太敏感的长内容旁白。
提示：若追求最低延迟与成本，优先 gpt-4o-mini-tts；若追求极致音质，可尝试 tts-1-hd。老的 tts-1/tts-1-hd 仍可用，但官方通常建议新项目优先采用 gpt-4o-mini-tts。

三、获取与安全使用 API Key（两种连通方式）

好的，这段文案的目标是引导用户选择“方式B”，同时显得客观、有说服力。我们可以从标题、结构、措辞和用户心理等角度进行优化。

获取 OpenAI tts-1 API KEY？看这两种方式就够了

方案A：官方渠道
- 特点： 流程繁琐，对网络环境有特殊要求，新手容易在注册和使用中遇到障碍。
- 适合： 熟悉海外服务注册流程，且网络条件好的资深用户。
方案B：国内加速 (为开发者便捷调用)
- 特点： 借助专业中转服务 (如 uiuiapi.com)，连接稳定、速度快、开通简单，即刻上手。
- 适合： 追求稳定高效，希望快速开始使用的所有开发者，也是众多资深用户的选择。

如何调用（概览）

第一步：使用 `.env` 文件安全管理 API 密钥

专业的开发实践严禁将密钥、密码等敏感信息直接写入代码。最佳实践是使用环境变量来管理它们。dotenv 文件是本地开发中最流行的方式。

1. 安装 python-dotenv 库

pip install python-dotenv

2. 创建 .env 文件
在您的项目根目录下（与 Python 脚本同级），创建一个名为 .env 的文件。在里面定义您的密钥。我们使用 UIUIAPI_API_KEY 这个清晰的变量名。

.env 文件内容：

# 这是环境变量文件，用于存放敏感信息
# UIUIAPI_API_KEY，输入你在uiuiapi.com或者OpenAI官方的KEY
UIUIAPI_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

第二步：参数化与模型选择

一个好的脚本应该是灵活的。TTS API 通常提供多种语音模型供选择。我们可以将输入文本和语音模型作为参数，方便调用。

以 OpenAI 的 TTS 模型为例，它提供了 6 种高质量的声音：

alloy (均衡男声)
echo (温暖男声)
fable (沉稳男声)
onyx (深沉男声)
nova (活泼女声)
shimmer (专业女声)

我们可以在代码中轻松切换它们：

# 要转换的文本
input_text = "你好，世界！提笔写下这句简单的问候，我带着好奇、敬意与希望。"

# 选择一个声音
selected_voice = "nova"

# 构造请求数据
data = {
    "model": "tts-1",
    "input": input_text,
    "voice": selected_voice
}

最终版本：专业级的 TTS API 调用脚本

结合以上所有最佳实践，我们得到最终的 Python 脚本。它安全、健壮、灵活且易于维护。

import os
import requests
from dotenv import load_dotenv

def generate_speech(text: str, voice: str = "alloy", output_filename: str = "speech.mp3"):
    """
    调用文本转语音 API 生成音频文件。

    Args:
        text (str): 需要转换为语音的文本。
        voice (str): 使用的语音模型名称。
        output_filename (str): 输出的音频文件名。
    """
    # --- 1. 加载并验证配置 ---
    load_dotenv()
    api_key = os.environ.get("UIUIAPI_API_KEY")
    if not api_key:
        raise ValueError("未找到 API 密钥。请确保在 .env 文件中正确设置了 'UIUIAPI_API_KEY'")

    url = "https://sg.uiuiapi.com/v1/audio/speech"

    # --- 2. 准备请求数据 ---
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
    }
    data = {
        "model": "tts-1-hd",
        "input": text,
        "voice": voice
    }

    # --- 3. 发送请求并处理响应 ---
    try:
        print(f"正在使用声音 '{voice}' 生成语音...")
        # 使用 stream=True 进行流式下载
        response = requests.post(url, headers=headers, json=data, stream=True)

        # 检查 HTTP 响应状态码，如果不是 2xx，则抛出异常
        response.raise_for_status()

        print(f"请求成功，正在将音频写入文件: {output_filename}")

        # 以二进制块的方式写入文件，适用于大文件
        with open(output_filename, 'wb') as f:
            for chunk in response.iter_content(chunk_size=8192):
                f.write(chunk)

        print(f"音频文件已成功保存！")

    except requests.exceptions.HTTPError as e:
        # 捕获并打印更详细的 HTTP 错误信息（如 401, 404, 500 等）
        print(f"请求失败，HTTP 错误: {e}")
        print(f"响应内容: {response.text}")
    except requests.exceptions.RequestException as e:
        # 捕获网络或连接错误
        print(f"请求失败，网络或连接错误: {e}")
    except Exception as e:
        # 捕获其他未知错误
        print(f"发生未知错误: {e}")

if __name__ == '__main__':
    # --- 使用示例 ---
    long_text = "你好，世界！提笔写下这句简单的问候，我带着好奇、敬意与希望：无论经纬如何交错，我们共享同一片天空与明月。我愿倾听你每个角落的故事，珍视差异，守护脆弱的美好。"

    # 使用活泼的女声 'nova'
    generate_speech(long_text, voice="nova", output_filename="speech_nova.mp3")

    # 使用深沉的男声 'onyx'
    generate_speech("欢迎体验我们的文本转语音服务。", voice="onyx", output_filename="speech_onyx.mp3")

界智通（jieagi）总结流程：

1.创建文件夹例如：openaitts
2.在openaitts文件夹目录下创建 .env 文件存放秘钥。
3.在openaitts文件夹目录下Python 脚本的文件，例如：openai-tts.py 把Python 脚本放进你创建的文件。

完成步骤运行你的脚本文件。

我们从一个简单的 curl 命令出发，通过引入 requests 库、使用 .env 文件保护密钥、参数化 API 调用以及构建健壮的错误处理，最终完成了一个专业级的 Python 脚本。

这个过程体现了从“能用”到“好用”的软件工程思维。您可以基于此脚本，进一步将其封装成类，或者构建一个命令行工具（CLI），甚至集成到大型 Web 应用中，为您的项目赋予强大的语音能力。

搜索结果