OpenAI 音频操作

这些操作用于在 OpenAI 中生成音频，或转写、翻译录音。有关 OpenAI 节点本身的更多信息，请参阅 OpenAI。

Generate Audio（生成音频）

此操作用于根据文本提示词创建音频。

填写以下参数：

Credential to connect with（连接所用凭据）：创建或选择已有的 OpenAI 凭据。
Resource（资源）：选择 Audio（音频）。
Operation（操作）：选择 Generate Audio（生成音频）。
Model（模型）：选择用于生成音频的模型。更多信息，请参阅 TTS | OpenAI。
- TTS-1：优先优化速度。
- TTS-1-HD：优先优化质量。
Text Input（文本输入）：输入要转换为音频的文本，最多 4096 个字符。
Voice（音色）：选择生成音频时使用的音色。可在文本转语音指南 | OpenAI中试听音色预览。

Response Format（响应格式）：选择音频响应格式，可选 MP3（默认）、OPUS、AAC、FLAC、WAV 和 PCM。
Audio Speed（音频速度）：输入生成音频的速度，范围为 0.25 到 4.0，默认值为 1。
Put Output in Field（输出字段）：默认值为 data。输入用于存放二进制文件数据的输出字段名称。

更多信息，请参阅创建语音 | OpenAI 文档。

此操作用于将音频转写为文本。OpenAI API 限制音频文件大小为 25 MB。按原文所述的节点版本，默认使用 whisper-1 模型。

填写以下参数：

Credential to connect with（连接所用凭据）：创建或选择已有的 OpenAI 凭据。
Resource（资源）：选择 Audio（音频）。
Operation（操作）：选择 Transcribe a Recording（转写录音）。
Input Data Field Name（输入数据字段名称）：默认值为 data。输入包含音频文件的二进制属性名称。音频文件须采用以下格式之一：.flac、.mp3、.mp4、.mpeg、.mpga、.m4a、.ogg、.wav 或 .webm。

Language of the Audio File（音频文件语言）：使用 ISO-639-1 代码填写输入音频的语言。此选项有助于提高准确率并减少延迟。
Output Randomness (Temperature)（输出随机性：温度）：默认值为 1.0。调整响应的随机性，范围为 0.0（确定性）到 1.0（最大随机性）。原文建议只调整此项或 Output Randomness (Top P)，不要同时调整两者；但本页此音频操作的选项未列出 Top P。原文建议从中等温度（约 0.7）开始，根据输出调整：过于重复或僵硬时提高温度，过于混乱或偏离主题时降低温度。

更多信息，请参阅创建转写 | OpenAI 文档。

此操作用于将音频翻译为英文。OpenAI API 限制音频文件大小为 25 MB。按原文所述的节点版本，默认使用 whisper-1 模型。

填写以下参数：

Credential to connect with（连接所用凭据）：创建或选择已有的 OpenAI 凭据。
Resource（资源）：选择 Audio（音频）。
Operation（操作）：选择 Translate a Recording（翻译录音）。
Input Data Field Name（输入数据字段名称）：默认值为 data。输入包含音频文件的二进制属性名称。音频文件须采用以下格式之一：.flac、.mp3、.mp4、.mpeg、.mpga、.m4a、.ogg、.wav 或 .webm。

Output Randomness (Temperature)（输出随机性：温度）：默认值为 1.0。调整响应的随机性，范围为 0.0（确定性）到 1.0（最大随机性）。原文建议只调整此项或 Output Randomness (Top P)，不要同时调整两者；但本页此音频操作的选项未列出 Top P。原文建议从中等温度（约 0.7）开始，根据输出调整：过于重复或僵硬时提高温度，过于混乱或偏离主题时降低温度。

原文在此引用创建转写 | OpenAI 文档。译注：该链接说明转写；本节音频翻译对应的接口为 /audio/translations，返回英文文本。

常见错误或问题及建议的解决步骤，请参阅常见问题。

本文为社区中文翻译。查看对应英文原文