Hướng dẫn sử dụng TTS API của OpenAI để chuyển văn bản thành giọng nói

OpenAI TTS là gì?

Đăng nhập vào OpenAI và tạo API key

Cách sử dụng OpenAI TTS

Ở thời điểm hiện tại đầu năm 2024, OpenAI TTS chưa có giao diện web, do đó để sử dụng được thì phải dùng thông qua API. Những bạn không chuyên về kỹ thuật cũng không cần để ý API nghĩa là gì đâu, tí nữa các bạn chỉ cần chạy code thông qua Terminal (macOS) hoặc Command Prompt (Windows)

Sau khi đăng nhập vào OpenAI, ở thanh menu bạn click vào Text-to-speech để chuyển đến trang hướng dẫn sử dụng chức năng này, hoặc có thể vào trực tiếp từ đường link bên dưới:

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

Các giọng đọc hiện có của OpenAI TTS

Chạy đoạn code để chuyển văn bản thành giọng nói

Nếu là Terminal của macOS

curl https://api.openai.com/v1/audio/speech \
  -H "Authorization: Bearer <api_key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<tts-1 hoặc tts-1-hd>",
    "input": "<đoạn văn bản>",
    "voice": "<tên giọng đọc>",
    "speed": <tốc độ đọc>
  }' \
  --output <tên file>.mp3

Nếu là Command Prompt của Windows

curl https://api.openai.com/v1/audio/speech ^
-H "Authorization: Bearer <api_key>" ^
-H "Content-Type: application/json" ^
-d "{""model"": ""<tts-1 hoặc tts-1-hd>"", ""input"": ""<đoạn văn bản>"", ""voice"": ""<tên giọng đọc>"", ""speed"": <tốc độ đọc>}" ^
--output <tên file>.mp3

• <api_key>: Đây là API key mà bạn đã tạo ở bước trước, ví dụ: "sk-abcdef..."
• model: Có 2 model là tts-1 và tts-1-hd, trong một số trường hợp, âm thanh có thể không có sự khác biệt rõ rệt trong 2 model này. Tuy nhiên theo trải nghiệm ban đầu của mình thì nếu đọc tiếng Việt dùng model "tts-1" sẽ chuẩn hơn.
  • tts-1: Tốc độ tạo nhanh
  • tts-1-hd: Chất lượng cao
• input: Đoạn văn bản cần đọc
• voice: Tên giọng đọc, danh sách giọng đọc mình có mô tả bên trên, bao gồm: alloy, echo, fable, onyx, nova, shimmer
• speed: Tốc độ đọc, trong khoảng 0.25 đến 4.0, 0.25 là đọc siêu chập, 4.0 là đọc siêu nhanh. Mặc định là 1.0
• <tên file>: Tên file kết quả sau khi tạo

curl https://api.openai.com/v1/audio/speech \
  -H "Authorization: Bearer sk-abcdefghijklmno" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Cảm ơn các bạn đã xem blog của mình",
    "voice": "alloy",
    "speed": 1.0
  }' \
  --output speech.mp3

Chi phí sử dụng

• Đối với model TTS: $0.015 / 1000 ký tự
• Đối với model TTS HD: $0.030 / 1000 ký tự

Một vài mẹo nhỏ khi sử dụng OpenAI TTS

Chèn ngắt quãng

Chèn giọng cười khẩy

Giọng cảm xúc

Khắc phục khi không ra được tiếng Việt

Khắc phục khi không đọc được số

Một vài câu hỏi thường gặp

Làm thế nào tôi có thể kiểm soát phạm vi cảm xúc của âm thanh được tạo ra?

Liệu tôi có thể tạo bản sao giọng nói của mình không?

Tôi có sở hữu các tệp âm thanh được xuất ra không?