音声を合成する

  • 3 分

音声合成 ( テキスト読み上げ) は、音声テキスト変換の逆です。 モデルにテキストを送信し、発声されたテキストのオーディオ ストリームを返します。

テキスト読み上げ操作をサポートするモデルは次のとおりです。

  • gpt-4o-tts
  • gpt-4o-mini-tts

注

モデルの可用性はリージョンごとに異なります。 Microsoft Foundry ドキュメントの モデルのリージョン別可用性 テーブルを確認します。

テキスト読み上げモデルの使用

音声テキスト変換モデルと同様に、OpenAI SDK の AzureOpenAI クライアントを使用して Microsoft Foundry リソースのエンドポイントに接続し、音声合成用のテキスト読み上げモデルにテキストをアップロードできます。

from openai import AzureOpenAI
from pathlib import Path

# Create an AzureOpenAI client
client = AzureOpenAI(
    azure_endpoint=YOUR_FOUNDRY_ENDPOINT,
    api_key=YOUR_FOUNDRY_KEY,
    api_version="2025-03-01-preview"
)

# Path for audio output file
speech_file_path = Path("output_speech.wav")

# Generate speech and save to file
with client.audio.speech.with_streaming_response.create(
            model=YOUR_MODEL_DEPLOYMENT,
            voice="alloy",
            input="This speech was AI-generated!",
            instructions="Speak in an upbeat, excited tone.",
    ) as response:
    response.stream_to_file(speech_file_path)

print(f"Speech generated and saved to {speech_file_path}")