Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Vuċijiet Disponibbli u Personalizzazzjoni

Lezzjoni 11 / 18 Aġġornat 3 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Vuċijiet Disponibbli u Personalizzazzjoni
  2. Vuċijiet Standard
  3. Vuċijiet fl-API Realtime
  4. Influwenza tal-Istil permezz tat-Test
  5. Punti Ewlenin

Aġġornament 2 ta’ Novembru, 2026 — Mudelli tal-awdjo. Diversi mudelli f’dan il-kors huma deprekati: tts-1, tts-1-hd, u gpt-4o-mini-tts se jitgħalqu fis-6 ta’ Jannar, 2027 (suċċessur: gpt-realtime-2.1-mini, li l-gwida TTS ta’ OpenAI tiddikjara li mhix appoġġjata minn /v1/audio/speech: il-migrazzjoni TTS teħtieġ l-API Realtime); gpt-realtime, gpt-4o-realtime, u mudelli tal-awdjo legacy fl-20 ta’ Jannar, 2027 (gpt-realtime-2.1, gpt-realtime-2.1-mini, gpt-audio-1.5); whisper-1, gpt-4o-transcribe, u /v1/audio/translations fis-26 ta’ Frar, 2027 (gpt-transcribe, gpt-live-transcribe, v1/realtime/translations). Għal vuċi full-duplex, GPT-Live 1 kien disponibbli fl-API mill-10 ta’ Settembru, 2026. Lezzjoni kkoreġuta fit-3 ta’ Novembru, 2026: is-”sitt vuċijiet ewlenin” u l-personalitajiet tagħhom ma kinux għadhom jaqblu mad-dokumentazzjoni, li telenka 13-il vuċi għal gpt-4o-mini-tts, 9 għal tts-1 u tts-1-hd, u 10 għall-API Realtime; gpt-4o-mini-tts jaċċetta istruzzjonijiet ta’ stil (instructions); il-vuċi f’sessjoni Realtime hija ffissata sal-ewwel rispons tal-awdjo. Sorsi: Text to speech · Realtime conversations.

Vuċijiet Disponibbli u Personalizzazzjoni

L-għażla tal-vuċi hija kritika għall-esperjenza tal-utent tal-aġent bil-vuċi tiegħek. Vuċi li taqbel mal-kuntest—professjonali għas-servizz tal-klijenti, sħuna għal assistent personali—tibdel il-mod kif l-utenti jipperċepixxu l-aġent. L-API TTS toffri diversi vuċijiet distinti, kull waħda bil-karattru u l-punti qawwija tagħha stess.

Vuċijiet Standard

Id-dokumentazzjoni ta’ OpenAI telenka 13-il vuċi integrata, b’disponibbiltà li tvarja skont il-mudell:

Vuċigpt-4o-mini-ttstts-1, tts-1-hdAPI Realtime
alloy, ash, coral, echo, sage, shimmerIvaIvaIva
fable, nova, onyxIvaIvaLe
ballad, verseIvaLeIva
marin, cedarIva, rakkomandataLeIva, rakkomandata

OpenAI tirrakkomanda marin jew cedar għall-ogħla kwalità u tinnota li l-vuċijiet huma ottimizzati għall-Ingliż. Minflok ma tiddependi fuq deskrizzjonijiet, ismagħhom bil-Franċiż fuq OpenAI.fm, is-sit demo ta’ OpenAI, bl-użu tal-frażijiet tiegħek stess: timbru li jidher kbir bl-Ingliż jista’ jiddisappunta fuq isem ta’ triq jew numru.

L-għażla tal-vuċi tista’ tkun dinamika abbażi tat-tip ta’ kontenut. It-tabella hawn taħt hija eżempju biex timtela wara li tisimgħa, bl-użu ta’ vuċijiet li tts-1 jaċċetta wkoll:

def select_voice(context: str, tone: str = "professional") -> str:
    """Tagħżel l-aqwa vuċi abbażi tal-kuntest."""
    voice_map = {
        "customer_service": {
            "professional": "nova",
            "warm": "shimmer",
            "authoritative": "onyx"
        },
        "education": {
            "professional": "echo",
            "warm": "fable",
            "authoritative": "onyx"
        },
        "narration": {
            "professional": "onyx",
            "warm": "echo",
            "authoritative": "onyx"
        },
        "notification": {
            "professional": "alloy",
            "warm": "shimmer",
            "authoritative": "nova"
        }
    }

    return voice_map.get(context, {}).get(tone, "alloy")

# Eżempji
voice = select_voice("customer_service", "warm")    # → shimmer
voice = select_voice("education", "professional")    # → echo
voice = select_voice("narration", "authoritative")   # → onyx

Vuċijiet fl-API Realtime

TTS u l-API Realtime jaqsmu familja komuni ta’ vuċijiet, iżda kull waħda għandha s-sett tagħha stess: l-API Realtime żżid marin u cedar (iż-żewġ vuċijiet rakkomandati) u ma taċċettax ċerti vuċijiet TTS bħal nova jew onyx. Tiddefinixxi l-vuċi f’session.update:

await ws.send(json.dumps({
    "type": "session.update",
    "session": {
        "type": "realtime",
        "output_modalities": ["audio"],
        "audio": {"output": {"voice": "marin"}}
    }
}))

Agħżel il-vuċi waqt il-ħolqien tas-sessjoni jew f’response.create: ladarba l-mudell jipproduċi l-awdjo, ma tistax tbiddilha għal dik is-sessjoni. Biex tbiddel il-vuċijiet, iftaħ sessjoni ġdida.

Influwenza tal-Istil permezz tat-Test

Ma’ gpt-4o-mini-tts, tikkontrolla l-ewwel l-istil permezz ta’ istruzzjonijiet bil-lingwa naturali (instructions): aċċent, emozzjoni, intonazzjoni, veloċità, ton, wispering (Lezzjoni 13). tts-1 u tts-1-hd ma jaċċettawx dawn; tibqa’ biss bil-punteġġjatura u l-iffurmar tat-test:

# Ton newtrali
text_neutral = "Your order has shipped. It will arrive tomorrow."

# Ton entużjastiku (eżklamazzjonijiet)
text_excited = "Great news! Your order has shipped! It arrives tomorrow!"

# Ton kalm (sentenzi twal, virgoli)
text_calm = "Your order, which was carefully prepared, has just shipped, and it should arrive sometime tomorrow."

# Pawsa espliċita (dash em jew ellissi)
text_dramatic = "The result is... extraordinary."

# Enfażi permezz ta' kapitalizzazzjoni parzjali
text_emphasis = "This is EXACTLY what you need."

Użu ta’ Effetti simili għal SSML permezz tat-Test

Id-dokumentazzjoni ma tinkludix SSML, iżda tista’ tissimula xi effetti:

def format_for_tts(text: str, pauses: dict = None) -> str:
    """Tifforma t-test biex tottimizza r-rendering TTS."""
    # Żid pawsi permezz ta' ellissi
    if pauses:
        for marker, duration in pauses.items():
            dots = "..." if duration == "short" else "....."
            text = text.replace(marker, dots)

    return text

formatted = format_for_tts(
    "Final result: [pause] you passed the test.",
    pauses={"[pause]": "short"}
)
# → "Final result: ... you passed the test."

Punti Ewlenin

  • 13-il vuċi għal gpt-4o-mini-tts, 9 għal tts-1 u tts-1-hd, 10 għall-API Realtime; marin u cedar huma rakkomandati
  • gpt-4o-mini-tts jaċċetta istruzzjonijiet ta’ stil (instructions); mudelli eqdem jirrispondu biss għall-punteġġjatura
  • L-għażla tal-vuċi tiddependi mill-kuntest: servizz tal-klijenti, edukazzjoni, narrazzjoni, notifiki
  • Ma tistax tbiddel il-vuċi f’nofs sessjoni fl-API Realtime
  • Il-punteġġjatura taffettwa direttament il-prosodija: punti eżklamattivi, ellissi, u dashes joħolqu effetti
  • Dejjem ittestja l-vuċijiet fuq il-kontenut attwali tiegħek qabel ma tagħmel għażla finali