OpenAI.fm：展示OpenAI语音API的交互式演示工具

综合介绍

openai-fm 是一个开源项目，托管在 GitHub 上，专门用于展示 OpenAI 文本转语音（Text-to-Speech, TTS）API 的功能。这个项目通过一个交互式网页应用，让开发者可以直观体验 OpenAI 的语音生成能力。它使用 NextJS 框架开发，结合 TailwindCSS 和 ShadcnUI 打造简洁现代的界面。用户可以输入文本，选择不同语音和情感风格，生成高质量的语音输出。项目代码完全开源，遵循 MIT 许可证，鼓励开发者克隆、修改和贡献代码。openai-fm 适合开发者快速了解和测试 OpenAI 语音API，特别适合需要语音功能的应用开发场景。

演示地址：https://www.openai.fm/

功能列表

• 文本转语音转换：将输入的文本转化为自然流畅的语音。
• 多种语音选择：提供多种语音选项，满足不同场景需求。
• 情感风格控制：支持调整语音的情感语气，如友好、严肃等。
• 实时交互演示：通过网页界面实时生成和播放语音。
• 数据库分享功能：支持连接 PostgreSQL 数据库，保存和分享生成的语音。
• 开源代码支持：提供完整源码，允许开发者自定义和扩展功能。

使用帮助

安装流程

要使用 openai-fm，首先需要克隆项目并配置环境。以下是详细步骤：

1. 获取 API 密钥
   访问 OpenAI 官网，注册或登录账户。在账户仪表盘中，导航到 API 密钥管理页面，点击“创建新密钥”，生成并保存你的 OPENAI_API_KEY。这个密钥用于调用 OpenAI 的语音 API。注意：密钥需保密，避免泄露。
2. 克隆仓库
   打开终端，运行以下命令克隆 openai-fm 仓库：

   git clone https://github.com/openai/openai-fm.git

进入项目目录：

cd openai-fm

3. 设置环境变量
   你可以通过两种方式设置 OPENAI_API_KEY：
   • 全局设置：在你的系统环境变量中添加 OPENAI_API_KEY。
     • Linux/MacOS 示例：

       export OPENAI_API_KEY=<你的API密钥>
       

     • Windows 用户可在系统设置中添加环境变量。
   • 项目内设置：在项目根目录创建 .env 文件，参考 .env.example，添加以下内容：

     OPENAI_API_KEY=<你的API密钥>
     

4. 安装依赖
   项目使用 Node.js 和 npm 管理依赖。确保已安装 Node.js（建议版本 16 或更高）。在项目根目录运行：

   npm install
   

   这会安装 NextJS、TailwindCSS、ShadcnUI 等必要依赖。

5. （可选）配置数据库
   如果需要使用分享功能，需连接 PostgreSQL 数据库。在 .env 文件中添加数据库连接信息，参考 .env.example：

   POSTGRES_URL="postgresql://用户名:密码@主机:端口/数据库名"
   

   确保 PostgreSQL 服务已运行，并创建好相应的数据库。如果不使用分享功能，可跳过此步骤。

6. 运行项目
   安装完成后，运行以下命令启动开发服务器：

   npm run dev
   

   打开浏览器，访问 http://localhost:3000，即可看到 openai-fm 的交互界面。

主要功能操作

openai-fm 的核心是文本转语音的交互演示。以下是具体操作流程：

• 输入文本
  在网页界面的文本框中输入你想转换为语音的文本。支持多行文本，适合长对话或脚本。示例：

  你好！这是一个测试，展示如何将文本转为自然语音。
  

• 选择语音和情感
  界面提供下拉菜单，列出可用的语音选项（如男声、女声）和情感风格（如友好、严肃）。这些选项基于 data/voices.json 和 data/vibes.json 文件配置。选择后，点击“生成”按钮，系统会调用 OpenAI 语音 API 生成音频。
• 播放和下载
  生成的音频会自动在页面播放。你也可以下载音频文件，文件默认保存为 WAV 格式，存储在项目目录的 output/ 文件夹中，文件名以 openaifm_ 开头并带时间戳。
• 分享功能
  如果配置了 PostgreSQL 数据库，生成的语音可以保存到数据库并生成分享链接。点击“分享”按钮，系统会返回一个可访问的 URL，其他用户可通过此链接查看和播放你的语音。

开发者自定义

openai-fm 是开源项目，开发者可以根据需要修改代码。例如：

• 添加新语音：编辑 data/voices.json，增加新的语音配置。
• 调整界面：修改 NextJS 组件（如 pages/index.js）或 TailwindCSS 样式。
• 扩展功能：添加新的 API 调用或集成其他服务。

要贡献代码，可 fork 仓库，创建分支，提交 pull request。提交前请阅读项目的贡献指南，确保代码符合规范。[](https://github.com/openai/openai-fm)[](https://github.com/fairy-root/ComfyUI-OpenAI-FM)

注意事项

• API 费用：使用 OpenAI 语音 API 会产生费用，具体取决于使用量。请在 OpenAI 仪表盘监控你的 API 配额。
• 安全性：如果部署到公网服务器，确保 .env 文件不被公开，防止 API 密钥泄露。
• 社区支持：遇到问题可在 GitHub 提交 issue，社区会提供帮助。

应用场景

1. 开发者测试语音 API
   开发者可用 openai-fm 快速测试 OpenAI 语音 API 的效果，验证不同语音和情感风格的表现，优化应用集成方案。
2. 教育和培训内容制作
   教师或培训师可将课程脚本转为语音，生成自然流畅的音频，用于在线课程或教学视频。
3. 无障碍辅助工具
   openai-fm 可为视障用户生成语音朗读内容，帮助他们访问文本信息。
4. 创意内容创作
   播客制作者或内容创作者可利用 openai-fm 生成个性化语音，快速制作试听样本。

QA

1. openai-fm 需要付费吗？
   项目本身免费，但使用 OpenAI 语音 API 需要有效的 API 密钥，并根据使用量支付费用。建议查看 OpenAI 官网的定价详情。
2. 如何添加新的语音选项？
   编辑项目目录下的 data/voices.json 文件，添加新的语音配置。重启服务器后，新语音会出现在下拉菜单中。
3. 分享功能必须使用数据库吗？
   是的，分享功能需要 PostgreSQL 数据库支持。如果不配置数据库，仍可正常生成和播放语音。
4. 能否在移动端使用 openai-fm？
   openai-fm 的网页界面支持响应式设计，可在移动端浏览器访问，但需确保网络连接稳定。