V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
ShawBen
V2EX  ›  OpenAI

ChatGPT APP 的语音输出是怎么做到那么逼真的?

  •  
  •   ShawBen · 311 天前 · 1290 次点击
    这是一个创建于 311 天前的主题,其中的信息可能已经有所发展或是发生改变。

    试了下官方提供的 TTS 接口 https://api.openai.com/v1/audio/speech 语气是有点接近了,但是那些停顿,以及语气词,类似呃,嗯,这种类似真人一样的发音, 接口没有生成,难道是通过算法自己插入语气词,再调用 tts 生成?

    5 条回复    2024-01-17 10:28:24 +08:00
    Tubbs
        1
    Tubbs  
       311 天前   ❤️ 3
    可以看下开源的 suno-ai/bark ,之前就有这个东西了
    BenX
        2
    BenX  
       311 天前 via iPhone
    @Tubbs mark
    ShawBen
        3
    ShawBen  
    OP
       311 天前
    @Tubbs 谢谢推荐,研究下看看,之前以为微软的 tts 已经足够厉害了,但也得用 ssml 才能做到类似的效果。
    alanhe421
        4
    alanhe421  
       311 天前
    OpenAI 的 TTS 服务本身就已经有语气了吧,直接调 API 出个 audio ,听听也是这样
    ShawBen
        5
    ShawBen  
    OP
       311 天前
    @alanhe421 是的,微软的已经很不错了,我也一直在用,不过体验了下 GPT APP 的语音输出,发现更像人,说话的顿挫感更强,而且还会自动加上一些停顿,语气词,虽然有点用例过猛的嫌疑,但是用户还是挺好这口
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2650 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 25ms · UTC 05:32 · PVG 13:32 · LAX 21:32 · JFK 00:32
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.