ChatGPT最新功能“Text To Speech (TTS，文本转语音)”详细解读！

news2024/9/23 21:26:02

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2024谷歌一起变强。

ChatGPT灰度推送Text To Speech (TTS)功能

尽管OpenAI早就发布了Text To Speech (TTS)模型，但对于ChatGPT网页版来说，还一直没有应用这个模型，也就是ChatGPT本身并不具备直接的文本到语音（TTS）转换功能。这意味着ChatGPT无法直接将生成的文本回复转换成语音输出。我们需要阅读屏幕上的文字回复，而不是听到它们被朗读出来。尽管ChatGPT移动端app已经集成了语音对话的功能，但对于正常的文本回复是无法转换为语音输出的。

今天（2024年3月3日），ChatGPT网页版和app端均已开始灰度推送Text To Speech (TTS)功能。检查你的账号有没有被灰度推送到的方法就是在ChatGPT网页或者app端，点击右下角账号-进入设置页面，已经开通了Text To Speech (TTS)功能的账号会出现Speech这个选项，如下图所示。

同时，在正常的聊天页面，在每条文本对话的左下角会出现一个语音的小标志，点击后可以听到默认声音对本条文本信息的播放。

Text To Speech (TTS)功能描述

Text To Speech (TTS) 功能是一种将书面文字转换为可听见的语音的技术。它允许用户通过语音输出来接收信息，而不是传统的视觉阅读。这项技术使得文本内容更加易于输出，特别是在用户需要双手操作、视觉疲劳或偏好听觉学习时。OpenAI发布的TTS模型能提供多种语言和声音选项，可以根据用户的偏好进行调整，从而提供个性化的听觉体验。

对于ChatGPT来说，Text To Speech（TTS）功能意味着ChatGPT不仅能以文字形式提供信息和回答问题，还能够通过语音输出，用户将能够享受到更加丰富的交互体验。

核心特点

自然语音输出：利用语音合成技术，TTS功能能够产生接近真人发音的语音，包括语调、停顿和情感的细微变化，使得听起来更加自然和流畅。
多语言支持：支持多种语言和口音，使得用户可以选择适合自己母语或偏好的语音输出，对于外语学习者来说是一个很实用的功能。
个性化设置：用户可以根据个人需求调整语声音模型，使语音输出更符合个人偏好。

声音模型

目前ChatGPT支持5种声音模型，可以按照个人喜好按需选择。

支持的语言

TTS模型通常在语言支持方面遵循Whisper模型。尽管当前的语音优化为英语，但Whisper支持以下语言并表现良好：

南非荷兰语，阿拉伯语，亚美尼亚语，阿塞拜疆语，白俄罗斯语，波斯尼亚语，保加利亚语，加泰罗尼亚语，中文，克罗地亚语，捷克语，丹麦语，荷兰语，英语，爱沙尼亚语，芬兰语，法语，加利西亚语，德语，希腊语，希伯来语，印地语，匈牙利语，冰岛语，印尼语，意大利语，日语，卡纳达语，哈萨克语，韩语，拉脱维亚语，立陶宛语，马其顿语，马来语，马拉地语，毛利语，尼泊尔语，挪威语，波斯语，波兰语，葡萄牙语，罗马尼亚语，俄语，塞尔维亚语，斯洛伐克语，斯洛文尼亚语，西班牙语，斯瓦希里语，瑞典语，他加禄语，泰米尔语，泰语，土耳其语，乌克兰语，乌尔都语，越南语和威尔士语。