「gpt-4o-mini-tts」を試す

!pip install -U openai
!pip freeze | grep -i openai

openai==1.68.0

from google.colab import userdata
import os

os.environ['OPENAI_API_KEY'] = userdata.get('OPENAI_API_KEY')

text = "今日はとてもいいお天気ですね。こんな日は競馬観戦に行きたくなりますね！そろそろ春のG1シリーズが始まるので頑張るぞ！"

from openai import OpenAI

client = OpenAI()

response = client.audio.speech.create(
  model="tts-1",
  voice="alloy",
  input=text
)
response.stream_to_file("tts-1_alloy_normal.mp3")

response = client.audio.speech.create(
  model="tts-1-hd",
  voice="alloy",
  input=text
)
response.stream_to_file("tts-1-hd_alloy_normal.mp3")

response = client.audio.speech.create(
  model="gpt-4o-mini-tts",
  voice="alloy",
  input=text
)
response.stream_to_file("gpt-4o-mini-tts_alloy_normal.mp3")

from IPython.display import display, Audio

display(Audio("tts-1_alloy_normal.mp3"))
display(Audio("tts-1-hd_alloy_normal.mp3"))
display(Audio("gpt-4o-mini-tts_alloy_normal.mp3"))

response = client.audio.speech.create(
  model="gpt-4o-mini-tts",
  voice="alloy",
  input=text,
  instructions="囁くように話してください。",
)
response.stream_to_file("gpt-4o-mini-tts_alloy_whisper.mp3")
display(Audio("gpt-4o-mini-tts_alloy_whisper.mp3"))

(snip)
  instructions="ミュージカルの俳優のように大げさに話してください。",
(snip)

声の表現: 落ち着きがあり、冷静で安心感を与える；静かな威厳と自信を表現する。

口調: 誠実で共感的、そして穏やかな威厳を持ち、能力を示しながら心からの謝罪を伝える。

話す速度: 安定していて程よい；配慮を示すために急がず、かつプロフェッショナリズムを示すのに十分効率的である。

感情: 本物の共感と理解を込め、特に謝罪の際には（「ご迷惑をおかけして大変申し訳ございません…」）温かみをもって話す。

発音: 明瞭で正確な発音を心がけ、重要な安心表現（「スムーズに」、「迅速に」、「即座に」）を強調して自信を補強する。

間（ポーズ）: 援助を申し出た後や詳細を尋ねた後に短い間を置き、聞く姿勢と支援の意志を強調する。

!pip install pydub

from pydub import AudioSegment

conversation_script = """
こんにちは、太郎です。今日は花子さんと、2025年春の競馬、G1レースの展望について語りたいと思います。まずは、各レースの見どころについて教えてください。
こんにちは、花子です。春のG1レースは例年通り熱い展開が期待されますね。たとえば、フェブラリーステークスで見せたコスタノヴァの走りは印象的でしたし、今後のレースにも大きな影響を与えそうです。
確かに。さらに、皐月賞ではファウストラーゼンやピコチャンブラックといった有力馬が注目されています。若手の勢いがこのレースの鍵になりそうですね。
その通りです。そして、NHKマイルカップからはアドマイヤズームの動きにも期待が高まっています。各レースで個性豊かな馬たちが戦うので、騎手や調教師の戦略も見逃せません。
また、春の締めくくりとして注目される天皇賞（春）も、昨シーズンの歴史を踏まえて、今年はより一層白熱した争いが予想されますね。
まさにその通りです。伝統と革新が融合する春のG1レース、ファンにとっては見逃せないシーズンになりそうです。
今日は、各レースの見どころや有力馬について熱く語れましたね。来たる春のレース、私たちもワクワクしながら応援していきましょう！
はい、最新情報をしっかりチェックしながら、競馬ファンとして楽しみたいですね。ご清聴ありがとうございました。
ありがとうございました。次回もお楽しみに！
"""

utterances = [line.strip() for line in conversation_script.split("\n") if line.strip()]

speakers = [ "sage","alloy"]

output_files = []

for idx, utterance in enumerate(utterances, start=1):
    speaker = idx % 2
    print(speakers[speaker], ":", utterance)
    response = client.audio.speech.create(
        model="gpt-4o-mini-tts",
        voice=speakers[speaker],
        input=utterance,
        instructions="ポッドキャストのMCとして話してください。",
        response_format="wav"
    )
    output_file = "{}_{}.wav".format(idx, speakers[speaker])
    response.stream_to_file(output_file)
    output_files.append(output_file)

combined = AudioSegment.empty()

for wav_file in output_files:
    sound = AudioSegment.from_wav(wav_file)
    combined += sound

combined.export("combined.wav", format="wav")

display(Audio("combined.wav"))