Skip to main content

TTS 文本转语音

NUWA 提供统一的文本转语音接口，聚合多家主流模型，保持与 OpenAI 风格一致的调用方式，适用于语音播报、AI 配音、数字人、智能客服、有声内容等场景。

支持的模型​

  • gpt-4o-audio-preview：对话式音频生成，支持多模态输出（文本 + 音频）
  • gpt-4o-mini-tts：实时语音合成，支持通过提示词或 instructions 控制语音风格
  • tts-1-hd：高清音质的上一代 TTS 模型
  • tts-1：标准 TTS，兼顾质量与速度

性能建议：追求速度时使用 wav 或 pcm；高质量音频可选 tts-1-hd，实时应用推荐 gpt-4o-mini-tts。

接口规格​

from openai import OpenAI

client = OpenAI(
    api_key="sk-***",  # 在 NUWA 控制台生成的 Key
    base_url="https://api.nuwaapi.com/v1"
)

with client.audio.speech.with_streaming_response.create(
    model="<model_id>",  # tts-1 / tts-1-hd / gpt-4o-mini-tts
    input="your text",
    voice="alloy",
    response_format="mp3",
) as response:
    response.stream_to_file("speech.mp3")

print("已保存到 speech.mp3")

  • model 为具体语音模型 ID
  • 返回内容为音频二进制流

标准 TTS 参数（tts-1 / tts-1-hd / gpt-4o-mini-tts）​

参数类型必填说明
modelstring是选择 tts-1、tts-1-hd 或 gpt-4o-mini-tts
inputstring是待合成文本，最长约 4096 字符
voicestring否发音人：alloy、echo、fable、onyx、nova、shimmer
response_formatstring否输出格式：mp3（默认）、opus、aac、flac、wav、pcm
speednumber否语速 0.25–4.0，默认 1.0；gpt-4o-mini-tts 不支持，可用自然语言控制
instructionsstring否仅 gpt-4o-mini-tts 支持，用于指定口音、情绪、语调、语速等

gpt-4o-audio-preview 参数​

参数类型必填说明
modelstring是设置为 gpt-4o-audio-preview
modalitiesarray是必须包含 "text" 和 "audio"
audioobject是音频配置，如 { "voice": "alloy", "format": "mp3" }
messagesarray是聊天消息数组，格式同标准 Chat Completions

调用示例​

标准 TTS（tts-1）​

from openai import OpenAI

client = OpenAI(api_key="sk-***", base_url="https://api.nuwaapi.com/v1")

with client.audio.speech.with_streaming_response.create(
    model="tts-1",
    input="欢迎使用 NUWA 文本转语音接口。",
    voice="alloy",
    response_format="mp3",
) as response:
    response.stream_to_file("speech.mp3")

print("已保存到 speech.mp3")

gpt-4o-mini-tts（指定语音风格）​

from openai import OpenAI

client = OpenAI(api_key="sk-***", base_url="https://api.nuwaapi.com/v1")

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    input="请用温暖而清晰的声音播放这一段文字。",
    voice="nova",
    instructions="温柔、放松的语气，语速稍慢",
    response_format="mp3",
) as response:
    response.stream_to_file("soft.mp3")

print("已保存到 soft.mp3")

gpt-4o-audio-preview（文本 + 音频）​

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI(api_key="sk-***", base_url="https://api.nuwaapi.com/v1")

completion = client.chat.completions.create(
    model="gpt-4o-audio-preview",
    modalities=["text", "audio"],
    audio={"voice": "alloy", "format": "mp3"},
    messages=[
        {"role": "user", "content": "用亲切的语气介绍一下 NUWA TTS 接口的用法。"}
    ],
)

# 文本结果（兼容 content 为空的情况）
msg = completion.choices[0].message
text_part = None
if msg.content and len(msg.content) > 0:
    first = msg.content[0]
    text_part = getattr(first, "text", None) if first is not None else None

if text_part:
    print(text_part)
else:
    print("未返回文本内容，完整 message 对象：", msg)

# 音频结果（Base64）写入 mp3
audio_b64 = completion.choices[0].message.audio.data
audio_bytes = base64.b64decode(audio_b64)
out_path = Path("preview.mp3")
out_path.write_bytes(audio_bytes)
print(f"音频已保存到 {out_path}")

返回说明​

  • 接口直接返回音频二进制流，建议使用 --output 或程序方式保存文件
  • 若发生错误，将返回 JSON 结构的错误信息，包含状态码与原因