หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

OpenAI ที่เข้ากันได้กับ Edge-TTS API

โครงการนี้ให้ API ข้อความที่เข้ากันได้กับ OpenAI (TTS) API โดยใช้ edge-tts มันเลียนแบบจุดสิ้นสุดของ OpenAI TTS ( /v1/audio/speech ) ทำให้ผู้ใช้สามารถสร้างคำพูดจากข้อความด้วยตัวเลือกเสียงที่หลากหลายและความเร็วในการเล่นเช่นเดียวกับ OpenAI API

edge-tts ใช้บริการข้อความออนไลน์ของ Microsoft Edge ดังนั้นจึงฟรีอย่างสมบูรณ์

ดูโครงการนี้บน Docker Hub

โปรด️แสดง repo นี้หากคุณพบว่ามีประโยชน์

คุณสมบัติ

  • จุดสิ้นสุดที่เข้ากันได้ของ OpenAI : /v1/audio/speech ที่มีโครงสร้างและพฤติกรรมการร้องขอที่คล้ายกัน
  • เสียงที่รองรับ : แผนที่ Openai Voices (โลหะผสม, Echo, Fable, Onyx, Nova, Shimmer) ถึง edge-tts เทียบเท่า
  • รูปแบบที่ยืดหยุ่น : รองรับรูปแบบเสียงหลายรูปแบบ (MP3, Opus, AAC, FLAC, WAV, PCM)
  • ความเร็วที่ปรับได้ : ตัวเลือกในการปรับเปลี่ยนความเร็วในการเล่น (0.25x ถึง 4.0x)
  • การเลือกเสียง Direct Edge-TTS Direct-TTS : ใช้ OpenAI Voice Mappings หรือระบุเสียง Edge-TTS ใด ๆ โดยตรง

เริ่มต้นใช้งาน

ข้อกำหนดเบื้องต้น

  • Docker (แนะนำ): นักเทียบท่าและนักเทียบท่าเขียนสำหรับการตั้งค่าคอนเทนเนอร์
  • Python (ไม่บังคับ): สำหรับการพัฒนาในท้องถิ่นให้ติดตั้งการพึ่งพาใน requirements.txt . txt
  • FFMPEG (ไม่บังคับ): จำเป็นสำหรับการแปลงรูปแบบเสียง เป็นทางเลือกถ้าติดกับ mp3

การติดตั้ง

  1. โคลนที่เก็บ : 
git clone https://github.com/travisvn/openai-edge-tts.git
cd openai-edge-tts
  1. ตัวแปรสภาพแวดล้อม : สร้างไฟล์ .env ในไดเรกทอรีรูทด้วยตัวแปรต่อไปนี้: 
 API_KEY=your_api_key_here
PORT=5050

DEFAULT_VOICE=en-US-AndrewNeural
DEFAULT_RESPONSE_FORMAT=mp3
DEFAULT_SPEED=1.2

DEFAULT_LANGUAGE=en-US

REQUIRE_API_KEY=True

หรือคัดลอกค่าเริ่มต้น .env.example ด้วยสิ่งต่อไปนี้: 

cp .env.example .env
  1. เรียกใช้กับ Docker Compose (แนะนำ): 
docker compose up --build

(หมายเหตุ: Docker-compose ไม่เหมือนกับ Docker Compose)

รันด้วย -d เพื่อเรียกใช้นักเทียบท่าแต่งใน "โหมดเดี่ยว" ซึ่งหมายความว่าจะทำงานในพื้นหลังและเพิ่มเทอร์มินัลของคุณ 

docker compose up -d

อีกทางเลือกหนึ่ง ทำงานโดยตรงกับ Docker : 

docker build -t openai-edge-tts .
docker run -p 5050:5050 --env-file .env openai-edge-tts

ในการเรียกใช้คอนเทนเนอร์ในพื้นหลังให้เพิ่ม -d หลังจากคำสั่ง docker run : 

docker run -d -p 5050:5050 --env-file .env openai-edge-tts
  1. เข้าถึง API : เซิร์ฟเวอร์ของคุณจะสามารถเข้าถึงได้ที่ http://localhost:5050

วิ่งกับ Python

หากคุณต้องการเรียกใช้โครงการนี้โดยตรงกับ Python ให้ทำตามขั้นตอนเหล่านี้เพื่อตั้งค่าสภาพแวดล้อมเสมือนจริงติดตั้งการพึ่งพาและเริ่มเซิร์ฟเวอร์

1. โคลนที่เก็บ 

git clone https://github.com/travisvn/openai-edge-tts.git
cd openai-edge-tts

2. ตั้งค่าสภาพแวดล้อมเสมือนจริง

สร้างและเปิดใช้งานสภาพแวดล้อมเสมือนจริงเพื่อแยกการพึ่งพา: 

 # For macOS/Linux
python3 -m venv venv
source venv/bin/activate

# For Windows
python -m venv venv
venv S cripts a ctivate

3. ติดตั้งการพึ่งพา

ใช้ pip เพื่อติดตั้งแพ็คเกจที่ต้องการที่ระบุไว้ใน requirements.txt : 

pip install -r requirements.txt

4. กำหนดค่าตัวแปรสภาพแวดล้อม

สร้างไฟล์ .env ในไดเรกทอรีรูทและตั้งค่าตัวแปรต่อไปนี้: 

 API_KEY=your_api_key_here
PORT=5050

DEFAULT_VOICE=en-US-AndrewNeural
DEFAULT_RESPONSE_FORMAT=mp3
DEFAULT_SPEED=1.2

DEFAULT_LANGUAGE=en-US

REQUIRE_API_KEY=True

5. เรียกใช้เซิร์ฟเวอร์

เมื่อกำหนดค่าแล้วให้เริ่มเซิร์ฟเวอร์ด้วย: 

python app/server.py

เซิร์ฟเวอร์จะเริ่มทำงานที่ http://localhost:5050

6. ทดสอบ API

ตอนนี้คุณสามารถโต้ตอบกับ API ได้ที่ http://localhost:5050/v1/audio/speech และจุดสิ้นสุดอื่น ๆ ที่มีอยู่ ดูส่วนการใช้งานสำหรับตัวอย่างคำขอ

การใช้งาน

ปลายทาง: /v1/audio/speech

สร้างเสียงจากข้อความอินพุต พารามิเตอร์ที่มีอยู่:

พารามิเตอร์ที่ต้องการ:

  • อินพุต (สตริง): ข้อความที่จะแปลงเป็นเสียง (สูงสุด 4096 อักขระ)

พารามิเตอร์เสริม:

  • รุ่น (สตริง): ตั้งค่าเป็น "TTS-1" หรือ "TTS-1-HD" (ค่าเริ่มต้น: "tts-1" )
  • เสียง (สตริง): หนึ่งในเสียงที่เข้ากันได้ของ OpenAI (โลหะผสม, เสียงสะท้อน, นิทาน, นิล, โนวา, ชิมเมอร์) หรือเสียง edge-tts ที่ถูกต้อง (เริ่มต้น: "en-US-AndrewNeural" )
  • Response_format (สตริง): รูปแบบเสียง ตัวเลือก: mp3 , opus , aac , flac , wav , pcm (ค่าเริ่มต้น: mp3 )
  • ความเร็ว (จำนวน): ความเร็วในการเล่น (0.25 ถึง 4.0) ค่าเริ่มต้นคือ 1.2

คำขอตัวอย่างด้วย curl และบันทึกเอาต์พุตไปยังไฟล์ MP3: 

curl -X POST http://localhost:5050/v1/audio/speech 
  -H " Content-Type: application/json " 
  -H " Authorization: Bearer your_api_key_here " 
  -d ' {
    "input": "Hello, I am your AI assistant! Just let me know how I can help bring your ideas to life.",
    "voice": "echo",
    "response_format": "mp3",
    "speed": 1.2
  } ' 
  --output speech.mp3

หรือจะสอดคล้องกับพารามิเตอร์ปลายทาง OpenAI API: 

curl -X POST http://localhost:5050/v1/audio/speech 
  -H " Content-Type: application/json " 
  -H " Authorization: Bearer your_api_key_here " 
  -d ' {
    "model": "tts-1",
    "input": "Hello, I am your AI assistant! Just let me know how I can help bring your ideas to life.",
    "voice": "alloy"
  } ' 
  --output speech.mp3

และตัวอย่างภาษาอื่นที่ไม่ใช่ภาษาอังกฤษ: 

curl -X POST http://localhost:5050/v1/audio/speech 
  -H " Content-Type: application/json " 
  -H " Authorization: Bearer your_api_key_here " 
  -d ' {
    "model": "tts-1",
    "input": "じゃあ、行く。電車の時間、調べておくよ。",
    "voice": "ja-JP-KeitaNeural"
  } ' 
  --output speech.mp3

จุดสิ้นสุดเพิ่มเติม

  • โพสต์/get/v1/รุ่น : รายการรุ่น TTS ที่มีอยู่
  • โพสต์ /get /v1 /เสียง : รายการเสียง edge-tts สำหรับภาษา /สถานที่ที่กำหนด
  • โพสต์/get/v1/เสียง/ทั้งหมด : แสดงรายการเสียง edge-tts ทั้งหมดพร้อมข้อมูลสนับสนุนภาษา

การบริจาค

ยินดีต้อนรับผลงาน! กรุณาแยกที่เก็บและสร้างคำขอดึงสำหรับการปรับปรุงใด ๆ

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาตสาธารณะ GNU ทั่วไป v3.0 (GPL-3.0) และกรณีการใช้งานที่ยอมรับได้นั้นมีวัตถุประสงค์เพื่อใช้งานส่วนตัว สำหรับองค์กรหรือการใช้งาน openai-edge-tts ติดต่อฉันที่ [email protected]

ตัวอย่างกรณีใช้

เคล็ดลับ

เปลี่ยน localhost เป็น IP ในพื้นที่ของคุณ (เช่น 192.168.0.1 ) หากคุณมีปัญหา

อาจเป็นกรณีที่เมื่อเข้าถึงจุดสิ้นสุดนี้บนเซิร์ฟเวอร์ / คอมพิวเตอร์อื่นหรือเมื่อการโทรทำจากแหล่งอื่น (เช่น Open WebUI) คุณต้องเปลี่ยน URL จาก localhost เป็น IP ในพื้นที่ของคุณ (บางอย่างเช่น 192.168.0.1 หรือคล้ายกัน)

เปิด webui

เปิดแผงผู้ดูแลระบบและไปที่การตั้งค่า -> เสียง

ด้านล่างนี้คุณสามารถดูภาพหน้าจอของการกำหนดค่าที่ถูกต้องสำหรับการใช้โครงการนี้เพื่อแทนที่ปลายทาง OpenAI

บันทึก

ดูเอกสารอย่างเป็นทางการสำหรับการรวม WebUI แบบเปิดกับ Openai Edge TTS

อะไรก็ได้

ในเวอร์ชัน 1.6.8 สิ่งที่เพิ่มการสนับสนุนสำหรับ "ผู้ให้บริการทั่วไป OpenAI TTS" - หมายความว่าเราสามารถใช้โครงการนี้เป็นผู้ให้บริการ TTS ใน OneLllm

เปิดการตั้งค่าและไปที่ Voice & Speech (ภายใต้ผู้ให้บริการ AI)

ด้านล่างนี้คุณสามารถดูภาพหน้าจอของการกำหนดค่าที่ถูกต้องสำหรับการใช้โครงการนี้เพื่อแทนที่ปลายทาง OpenAI

ข้อมูลด่วน

  • your_api_key_here ไม่จำเป็นต้องเปลี่ยน - ไม่จำเป็นต้องใช้คีย์ API "จริง" ใช้สตริงที่คุณต้องการ
  • วิธีที่เร็วที่สุดในการรับสิ่งนี้และการทำงานคือการติดตั้ง Docker และเรียกใช้คำสั่งด้านล่าง: 
docker run -d -p 5050:5050 -e API_KEY=your_api_key_here -e PORT=5050 travisvn/openai-edge-tts:latest

ตัวอย่างเสียง? ️

เล่นตัวอย่างเสียงและดูเสียง TTS ที่มีอยู่ทั้งหมด

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด