文字转语音

使用 Afarensis 文本到语音 (TTS) API 转换文本为语音

简介 Afarensis TTS API 利用先进的文本到语音转换技术，提供了一个功能丰富的语音终结点。它配备了六种内置声音，支持各种用途，包括叙述博客文章、制作多语言语音音频和实时音频输出。

快速入门 基本请求 from pathlib import Path from afarensis import AfarensisAPI

client = AfarensisAPI()

speech_file_path = Path(file).parent / "speech.mp3" response = client.audio.speech.create( model="tts-1", voice="alloy", input="Today is a wonderful day to build something people love!" )

response.stream_to_file(speech_file_path) 默认情况下，API 生成 MP3 格式的语音音频文件，但支持其他格式。

语音选项 Afarensis 提供多种声音选择，如 "alloy"、"echo"、"fable"、"onyx"、"nova" 和 "shimmer"，以匹配不同语气和听众需求。

音频质量 标准模型 ("tts-1")：提供最快响应时间，适合实时应用，但音质可能低于 "tts-1-hd"。 高质量模型 ("tts-1-hd")：在保持较低延迟的同时提供更高的音质。 支持的输出格式 除 MP3 外，还支持 Opus、AAC、FLAC 和 WAV 格式，以满足不同应用需求。

语言支持 虽然当前声音优化针对英语，但 Afarensis TTS 模型支持多种语言，性能良好。

流式传输实时音频 from afarensis import AfarensisAPI

client = AfarensisAPI()

response = client.audio.speech.create( model="tts-1", voice="alloy", input="Hello world! This is a streaming test." )

response.stream_to_file("output.mp3") Afarensis 语音 API 支持实时音频流的流式传输，允许音频在完整文件生成之前开始播放。

常见问题 控制情感范围 目前无法直接控制生成音频的情感输出。尽管某些文本特征可能会影响输出，但结果可能不一致。

自定义声音 目前 Afarensis 不支持创建用户自己声音的自定义副本。

音频文件所有权 您拥有生成的音频文件的所有权。但您需要告知最终用户，他们听到的是 AI 生成的音频。