通过 OpenAI Audio Speech API 将文本转为自然语音，支持 6 种音色与多格式输出，适合开发者快速集成高质量 TTS 能力。
说明：
## 核心用法
OpenAI TTS 技能通过调用 `/v1/audio/speech` 端点，将文本转换为逼真的人声。基础调用仅需一行命令：
“`bash
{baseDir}/scripts/speak.sh “Hello, world!”
“`
支持通过参数精细控制：选择 `tts-1`（快速）或 `tts-1-hd`（高保真）模型，6 种预设音色（alloy、echo、fable、onyx、nova、shimmer），输出格式覆盖 mp3、opus、aac、flac、wav、pcm，并可调节 0.25-4.0 倍语速。结果可输出至指定文件或 stdout，便于管道化处理。
## 显著优点
– **音质领先**：基于 OpenAI 自研 TTS 模型，语音自然度接近真人，远优于传统合成方案
– **即开即用**：仅需 `OPENAI_API_KEY` 环境变量，无需本地模型部署
– **成本极低**：tts-1 约 $0.015/千字符，短文本响应成本可忽略
– **灵活可控**：6 种风格化音色适配不同场景，多格式输出兼容各类终端
## 潜在缺点与局限性
– **依赖网络**：完全依赖 OpenAI 云端服务，离线不可用
– **隐私敏感**：文本需上传至 OpenAI 服务器，不适合涉密内容
– **字符限制**：API 存在输入长度上限，超长文本需分段处理
– **成本累积**：高频率或大文本量场景下费用会显著增长
– **中文优化**：部分用户反馈中文韵律与英文相比略逊
## 适合人群
– 需要快速集成高质量语音输出的开发者
– 构建语音助手、有声内容、无障碍读屏应用的团队
– 原型验证阶段不愿投入 TTS 模型训练资源的项目
## 常规风险
– **API 密钥泄露**：`OPENAI_API_KEY` 若被窃取可能导致账户盗刷
– **数据留存**：根据 OpenAI 政策，输入数据可能被用于模型改进（视用户协议而定）
– **服务中断**：依赖第三方 SLA，存在网络延迟或可用性风险
– **合规审查**：生成内容需遵守 OpenAI 使用政策，敏感话题可能被拒绝
会员专属
