OpenAI 音频操作#
使用此操作可以在 OpenAI 中生成音频，或转录/翻译录音。有关 OpenAI 节点本身的更多信息，请参阅 OpenAI。
生成音频#
使用此操作从文本提示创建音频。
输入以下参数：
- 连接凭证：创建或选择现有的 OpenAI 凭证。
- 资源：选择 Audio。
- 操作：选择 Generate Audio。
- 模型：选择用于生成音频的模型。更多信息请参考 TTS | OpenAI。
- TTS-1：用于优化速度。
- TTS-1-HD：用于优化质量。
- 文本输入：输入要生成音频的文本。最大长度为 4096 个字符。
- 语音：选择生成音频时使用的声音。可在 Text to speech guide | OpenAI 中试听各语音样本。
选项#
- 响应格式：选择音频响应的格式。可选 MP3（默认）、OPUS、AAC、FLAC、WAV 和 PCM。
- 音频速度：输入生成音频的速度，值范围为
0.25到4.0。默认为1。 - 输出字段：默认为
data。输入要存放二进制文件数据的输出字段名称。
更多信息请参阅 Create speech | OpenAI 文档。
转录录音文件#
使用此操作将音频文件转换为文本。OpenAI API 限制音频文件大小不得超过 25 MB。OpenAI 默认会使用 whisper-1 模型。
输入以下参数：
- 连接凭证：创建或选择现有的 OpenAI 凭证
- 资源：选择 Audio
- 操作：选择 Transcribe a Recording
- 输入数据字段名：默认为
data。输入包含音频文件的二进制属性名，支持的格式包括：.flac、.mp3、.mp4、.mpeg、.mpga、.m4a、.ogg、.wav或.webm
选项配置#
- 音频文件语言：使用 ISO-639-1 标准输入音频语言。此选项可提高准确性和降低延迟
- 输出随机性（Temperature）：默认为
1.0。调整响应的随机程度，范围在0.0（确定性输出）到1.0（最大随机性）之间。建议仅调整此参数或输出随机性（Top P）中的一项。初始可设置为中等温度值（约0.7），然后根据输出结果进行调整。如果响应过于重复或刻板，则提高温度值；如果响应过于混乱或偏离主题，则降低温度值
更多信息请参考 创建转录 | OpenAI 官方文档。
翻译录音#
使用此操作可将音频翻译为英文。OpenAI API 限制音频文件大小不得超过 25 MB。OpenAI 默认会使用 whisper-1 模型。
输入以下参数：
- 连接凭证：创建或选择现有的 OpenAI 凭证。
- 资源：选择 Audio。
- 操作：选择 Translate a Recording。
- 输入数据字段名：默认为
data。输入包含音频文件的二进制属性名称，支持的格式包括：.flac、.mp3、.mp4、.mpeg、.mpga、.m4a、.ogg、.wav或.webm。
选项#
- 输出随机性（Temperature）：默认为
1.0。调整响应的随机性。取值范围在0.0（确定性）到1.0（最大随机性）之间。建议调整此参数或输出随机性（Top P）中的一项而非同时调整两者。初始可设置为中等温度值（约 0.7），然后根据观察到的输出进行调整。如果响应过于重复或刻板，可提高温度值；如果响应过于混乱或偏离主题，则降低温度值。
更多信息请参考 创建转录 | OpenAI 文档。
常见问题#
关于常见错误或问题及其解决步骤，请参阅常见问题。