For the complete documentation index, see llms.txt. Markdown versions of documentation pages are available by appending .md to the page URL.
기본 탐색 메뉴
Theme

텍스트 음성 변환

텍스트를 자연스러운 음성으로 변환하는 방법을 알아보세요.

tts-1, tts-1-hd, gpt-4o-mini-tts 모델은 사용 중단 예정(deprecated)이며 2027년 1월 6일에 서비스가 종료됩니다. gpt-realtime-2.1-mini로 마이그레이션하려면 Realtime API를 사용하세요. 이때 API 워크플로우도 변경해야 합니다. gpt-realtime-2.1-mini는 /v1/audio/speech에서 지원되지 않습니다. 기존 연동에서는 서비스 종료 전까지 아래의 Speech API 워크플로우를 사용할 수 있습니다. 자세한 내용은 사용 중단 안내를 참고하세요.

Audio API의 speech 엔드포인트는 GPT-4o mini TTS(텍스트 음성 변환) 모델을 기반으로 합니다. 기본 제공 음성은 11가지이며 다음과 같은 작업에 사용할 수 있습니다.

  • 블로그 게시물 낭독하기
  • 여러 언어로 음성 생성하기
  • 스트리밍으로 실시간 오디오 출력하기

alloy 음성을 들어 보세요.

OpenAI 사용 정책에 따라 최종 사용자에게 들려주는 TTS 음성이 실제 사람의 목소리가 아니라 AI가 생성한 음성임을 명확하게 알려야 합니다.

빠른 시작

speech 엔드포인트에는 세 가지 주요 입력값이 필요합니다.

  1. 사용할 모델
  2. 음성으로 변환할 텍스트
  3. 텍스트를 읽어 줄 음성

다음은 요청 예시입니다.

입력 텍스트로 음성 생성하기
from pathlib import Path
from openai import OpenAI

client = OpenAI()
speech_file_path = Path(__file__).parent / "speech.mp3"

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="Today is a wonderful day to build something people love!",
    instructions="Speak in a cheerful and positive tone.",
) as response:
    response.stream_to_file(speech_file_path)

엔드포인트는 기본적으로 생성한 음성을 MP3로 반환합니다. 지원되는 출력 형식 중 원하는 형식을 지정할 수도 있습니다.

텍스트 음성 변환 모델

기존 Speech API 연동에서 gpt-4o-mini-tts를 사용하면 프롬프트로 다음과 같은 음성 특성을 조절할 수 있습니다.

  • 악센트
  • 감정 표현의 폭
  • 억양
  • 성대모사
  • 말하는 속도
  • 어조
  • 속삭임

다른 텍스트 음성 변환 모델로는 tts-1과 tts-1-hd가 있습니다. tts-1은 tts-1-hd보다 지연 시간이 짧지만 음성 품질은 낮습니다.

음성 옵션

TTS 엔드포인트에서는 텍스트를 읽어 줄 목소리를 13가지 기본 제공 음성 중에서 선택할 수 있습니다. OpenAI.fm에서 각 음성을 듣고 직접 사용해 보세요. OpenAI API의 최신 텍스트 음성 변환 모델을 체험할 수 있는 대화형 데모입니다. 현재 음성은 영어에 최적화되어 있습니다.

  • alloy
  • ash
  • ballad
  • coral
  • echo
  • fable
  • nova
  • onyx
  • sage
  • shimmer
  • verse
  • marin
  • cedar

최상의 음성 품질을 원한다면 marin 또는 cedar를 권장합니다.

사용할 수 있는 음성은 모델에 따라 다릅니다. tts-1과 tts-1-hd에서 지원하는 음성은 alloy, ash, coral, echo, fable, onyx, nova, sage, shimmer로 한정됩니다.

Realtime API에서 사용할 수 있는 음성은 위 목록과 조금 다릅니다. 현재 지원되는 실시간 음성은 실시간 대화 가이드에서 확인하세요.

실시간 오디오 스트리밍

Speech API는 청크 전송 인코딩을 사용해 실시간 오디오 스트리밍을 지원합니다. 전체 파일이 생성되어 제공될 때까지 기다리지 않고 오디오를 재생할 수 있습니다.

입력 텍스트로 생성한 음성을 스피커로 바로 스트리밍하기
import asyncio

from openai import AsyncOpenAI
from openai.helpers import LocalAudioPlayer

openai = AsyncOpenAI()


async def main() -> None:
    async with openai.audio.speech.with_streaming_response.create(
        model="gpt-4o-mini-tts",
        voice="coral",
        input="Today is a wonderful day to build something people love!",
        instructions="Speak in a cheerful and positive tone.",
        response_format="pcm",
    ) as response:
        await LocalAudioPlayer().play(response)


if __name__ == "__main__":
    asyncio.run(main())

응답 시간을 최소화하려면 응답 형식으로 wav 또는 pcm을 사용하는 것이 좋습니다.

지원되는 출력 형식

기본 응답 형식은 mp3이며 opus, wav 등 다른 형식도 사용할 수 있습니다.

  • MP3: 일반적인 용도에 쓰이는 기본 응답 형식입니다.
  • Opus: 지연 시간이 짧아 인터넷 스트리밍과 통신에 적합합니다.
  • AAC: 디지털 오디오 압축 형식으로, YouTube, Android, iOS에서 선호합니다.
  • FLAC: 무손실 오디오 압축 형식으로, 오디오 애호가들이 음원을 보관할 때 선호합니다.
  • WAV: 비압축 WAV 오디오입니다. 디코딩 오버헤드가 없어 낮은 지연 시간이 필요한 애플리케이션에 적합합니다.
  • PCM: WAV와 비슷하지만 헤더 없이 24kHz 원시 샘플(16비트 부호 있는 정수, 리틀 엔디언)만 담습니다.

지원 언어

TTS 모델이 지원하는 언어는 대체로 Whisper 모델과 같습니다. Whisper는 다음 언어를 지원합니다. TTS 음성은 영어에 최적화되어 있지만 다음 언어에서도 좋은 성능을 보입니다.

아프리칸스어, 아랍어, 아르메니아어, 아제르바이잔어, 벨라루스어, 보스니아어, 불가리아어, 카탈루냐어, 중국어, 크로아티아어, 체코어, 덴마크어, 네덜란드어, 영어, 에스토니아어, 핀란드어, 프랑스어, 갈리시아어, 독일어, 그리스어, 히브리어, 힌디어, 헝가리어, 아이슬란드어, 인도네시아어, 이탈리아어, 일본어, 칸나다어, 카자흐어, 한국어, 라트비아어, 리투아니아어, 마케도니아어, 말레이어, 마라티어, 마오리어, 네팔어, 노르웨이어, 페르시아어, 폴란드어, 포르투갈어, 루마니아어, 러시아어, 세르비아어, 슬로바키아어, 슬로베니아어, 스페인어, 스와힐리어, 스웨덴어, 타갈로그어, 타밀어, 태국어, 튀르키예어, 우크라이나어, 우르두어, 베트남어, 웨일스어.

이 중 원하는 언어로 텍스트를 입력하면 해당 언어로 음성을 생성할 수 있습니다.

사용자 지정 음성

화자가 동의 문구를 읽은 녹음과 같은 화자의 오디오 샘플로 승인된 사용자 지정 음성을 만들 수 있습니다. 이용 자격, 녹음 요건, 동의 문구, API 요청은 사용자 지정 음성을 참고하세요.

음성 만들기

사용자 지정 음성 만들기의 절차를 따르세요.

음성 생성 시 사용자 지정 음성 사용하기

음성을 생성할 때 앞에서 만든 음성의 ID를 전달하세요. 음성 생성 예시를 참고하세요.

관련 가이드

Realtime API 및 오디오 개요

음성 에이전트, 번역, 전사, 음성 생성 등 작업에 맞는 구현 방법을 선택하세요.

오디오와 음성의 기본 개념

오디오 모달리티, 음성 처리 작업, 스트리밍, 요청 기반 API를 살펴보세요.