ChatGPT APP 的语音输出是怎么做到那么逼真的？

[ShawBen]

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？

[Tubbs]

可以看下开源的 suno-ai/bark ，之前就有这个东西了

[BenX]

@Tubbs mark

[ShawBen]

@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]

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]

@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