OpenAI 文本转语音 （TTS）

介绍

音频 API 提供了一个基于 OpenAI 的 TTS（文本转语音）模型的语音端点，使用户能够：spring-doc.cadn.net.cn

前提条件

  1. 创建一个 OpenAI 帐户并获取 API 密钥。您可以在 OpenAI 注册页面注册并在 API 密钥页面生成 API 密钥。spring-doc.cadn.net.cn

  2. 添加spring-ai-openai依赖于项目的构建文件。有关详细信息，请参阅依赖项管理部分。spring-doc.cadn.net.cn

自动配置

Spring AI 自动配置、入门模块的工件名称发生了重大变化。 有关更多信息，请参阅升级说明。spring-doc.cadn.net.cn

Spring AI 为 OpenAI 文本转语音客户端提供 Spring Boot 自动配置。 要启用它，请将以下依赖项添加到项目的 Mavenpom.xml文件：spring-doc.cadn.net.cn

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

或 Gradlebuild.gradle构建文件：spring-doc.cadn.net.cn

dependencies {
    implementation 'org.springframework.ai:spring-ai-starter-model-openai'
}
请参阅依赖项管理部分，将 Spring AI BOM 添加到构建文件中。

语音属性

连接属性

前缀spring.ai.openai用作允许您连接到 OpenAI 的属性前缀。spring-doc.cadn.net.cn

属性spring-doc.cadn.net.cn

描述spring-doc.cadn.net.cn

默认值spring-doc.cadn.net.cn

spring.ai.openai.base-urlspring-doc.cadn.net.cn

要连接到的 URLspring-doc.cadn.net.cn

api.openai.comspring-doc.cadn.net.cn

spring.ai.openai.api-keyspring-doc.cadn.net.cn

API 密钥spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.组织 IDspring-doc.cadn.net.cn

（可选）您可以指定用于 API 请求的组织。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.project-idspring-doc.cadn.net.cn

（可选）您可以指定用于 API 请求的项目。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn
对于属于多个组织的用户（或通过其旧用户 API 密钥访问其项目）的用户，您可以选择指定用于 API 请求的组织和项目。 这些 API 请求的使用情况将计为指定组织和项目的使用情况。

配置属性

现在，通过前缀spring.ai.model.audio.speech.spring-doc.cadn.net.cn

要启用，spring.ai.model.audio.speech=openai（默认启用）spring-doc.cadn.net.cn

要禁用，spring.ai.model.audio.speech=none（或任何与 openai 不匹配的值）spring-doc.cadn.net.cn

进行此更改是为了允许配置多个模型。spring-doc.cadn.net.cn

前缀spring.ai.openai.audio.speech用作属性前缀，用于配置 OpenAI 文本转语音客户端。spring-doc.cadn.net.cn

属性 描述 默认值

spring.ai.model.audio.speechspring-doc.cadn.net.cn

启用音频语音模型spring-doc.cadn.net.cn

OpenAIspring-doc.cadn.net.cn

spring.ai.openai.audio.speech.base-urlspring-doc.cadn.net.cn

要连接到的 URLspring-doc.cadn.net.cn

api.openai.comspring-doc.cadn.net.cn

spring.ai.openai.audio.speech.api-keyspring-doc.cadn.net.cn

API 密钥spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.audio.speech.organization-idspring-doc.cadn.net.cn

（可选）您可以指定用于 API 请求的组织。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.audio.speech.project-idspring-doc.cadn.net.cn

（可选）您可以指定用于 API 请求的项目。spring-doc.cadn.net.cn

-spring-doc.cadn.net.cn

spring.ai.openai.audio.speech.options.modelspring-doc.cadn.net.cn

用于生成音频的模型的 ID。对于 OpenAI 的 TTS API，请使用可用模型之一：tts-1 或 tts-1-hd。spring-doc.cadn.net.cn

TTS-1型spring-doc.cadn.net.cn

spring.ai.openai.audio.speech.options.voicespring-doc.cadn.net.cn

用于合成的语音。对于 OpenAI 的 TTS API，所选模型的可用声音之一：合金、回声、寓言、缟玛瑙、新星和微光。spring-doc.cadn.net.cn

合金spring-doc.cadn.net.cn

spring.ai.openai.audio.speech.options.response-formatspring-doc.cadn.net.cn

音频输出的格式。支持的格式包括 mp3、opus、aac、flac、wav 和 pcm。spring-doc.cadn.net.cn

MP3spring-doc.cadn.net.cn

spring.ai.openai.audio.speech.options.speedspring-doc.cadn.net.cn

语音合成的速度。可接受的范围是 0.25（最慢）到 4.0（最快）。spring-doc.cadn.net.cn

1.0spring-doc.cadn.net.cn
您可以覆盖通用的spring.ai.openai.base-url,spring.ai.openai.api-key,spring.ai.openai.organization-id和spring.ai.openai.project-id性能。 这spring.ai.openai.audio.speech.base-url,spring.ai.openai.audio.speech.api-key,spring.ai.openai.audio.speech.organization-id和spring.ai.openai.audio.speech.project-id如果设置了属性，则优先于通用属性。 如果您想对不同的模型和不同的模型终结点使用不同的 OpenAI 帐户，这非常有用。
所有以spring.ai.openai.image.options可以在运行时覆盖。

运行时选项

这OpenAiAudioSpeechOptionsclass 提供了在发出文本转语音请求时使用的选项。 启动时，由spring.ai.openai.audio.speech，但您可以在运行时覆盖这些。spring-doc.cadn.net.cn

例如：spring-doc.cadn.net.cn

OpenAiAudioSpeechOptions speechOptions = OpenAiAudioSpeechOptions.builder()
    .model("tts-1")
    .voice(OpenAiAudioApi.SpeechRequest.Voice.ALLOY)
    .responseFormat(OpenAiAudioApi.SpeechRequest.AudioResponseFormat.MP3)
    .speed(1.0f)
    .build();

SpeechPrompt speechPrompt = new SpeechPrompt("Hello, this is a text-to-speech example.", speechOptions);
SpeechResponse response = openAiAudioSpeechModel.call(speechPrompt);

手动配置

添加spring-ai-openai对项目 Maven 的依赖pom.xml文件：spring-doc.cadn.net.cn

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai</artifactId>
</dependency>

或 Gradlebuild.gradle构建文件：spring-doc.cadn.net.cn

dependencies {
    implementation 'org.springframework.ai:spring-ai-openai'
}
请参阅依赖项管理部分，将 Spring AI BOM 添加到构建文件中。

接下来，创建一个OpenAiAudioSpeechModel:spring-doc.cadn.net.cn

var openAiAudioApi = new OpenAiAudioApi()
    .apiKey(System.getenv("OPENAI_API_KEY"))
    .build();

var openAiAudioSpeechModel = new OpenAiAudioSpeechModel(openAiAudioApi);

var speechOptions = OpenAiAudioSpeechOptions.builder()
    .responseFormat(OpenAiAudioApi.SpeechRequest.AudioResponseFormat.MP3)
    .speed(1.0f)
    .model(OpenAiAudioApi.TtsModel.TTS_1.value)
    .build();

var speechPrompt = new SpeechPrompt("Hello, this is a text-to-speech example.", speechOptions);
SpeechResponse response = openAiAudioSpeechModel.call(speechPrompt);

// Accessing metadata (rate limit info)
OpenAiAudioSpeechResponseMetadata metadata = response.getMetadata();

byte[] responseAsBytes = response.getResult().getOutput();

流式传输实时音频

语音 API 支持使用块传输编码进行实时音频流式处理。这意味着可以在生成完整文件并可访问之前播放音频。spring-doc.cadn.net.cn

var openAiAudioApi = new OpenAiAudioApi()
    .apiKey(System.getenv("OPENAI_API_KEY"))
    .build();

var openAiAudioSpeechModel = new OpenAiAudioSpeechModel(openAiAudioApi);

OpenAiAudioSpeechOptions speechOptions = OpenAiAudioSpeechOptions.builder()
    .voice(OpenAiAudioApi.SpeechRequest.Voice.ALLOY)
    .speed(1.0f)
    .responseFormat(OpenAiAudioApi.SpeechRequest.AudioResponseFormat.MP3)
    .model(OpenAiAudioApi.TtsModel.TTS_1.value)
    .build();

SpeechPrompt speechPrompt = new SpeechPrompt("Today is a wonderful day to build something people love!", speechOptions);

Flux<SpeechResponse> responseStream = openAiAudioSpeechModel.stream(speechPrompt);

示例代码