Kurs
OpenAI API ile Çalışmak
3 sa
184.5K
Bir içerik yazmak için saatlerinizi harcadığınızı hayal edin.
Ortaya çıkan sonuçtan memnunsunuz ve içeriği yayımlıyorsunuz.
Bir süre kamuya açık kaldıktan sonra, pek çok kişinin oturup yazınızı okumaya vakit bulamadığını fark ederek büyük bir kitleyi kaçırdığınızı anlıyorsunuz.
İçeriği kendiniz seslendirmeyi düşünüyorsunuz ama zaman sizin lehinize değil. Bir seslendirmen tutma fikri aklınıza geliyor; ancak aldığınız teklifler bütçenizi aşıyor ve “doğru” sesi bulmak için harcanacak zaman da ayrı bir yük.
Tipik bir 21. yüzyıl refleksiyle çözüm için teknolojiyi yokluyorsunuz. İşte o zaman OpenAI’nin Metin-Konuşma (TTS) API'sını keşfediyorsunuz.
Bu eğitimin geri kalanında OpenAI’nin TTS API'sını ele alacağız: temel özellikleri, nasıl başlanacağı, özelleştirme seçenekleri ve gerçek hayattan kullanım örnekleri.
OpenAI'nin TTS API'sı nedir?
Metin-konuşma (TTS), metin biçiminde sağlanan doğal dili konuşmaya dönüştürmek için kullanılan bir yardımcı teknolojidir. Yani metin-konuşma sistemleri, bilgisayarda (veya başka bir dijital aygıtta) yazılı olan kelimeleri alır ve yüksek sesle okur.
OpenAI’nin TTS API'sı, metni doğal duyulan konuşmaya dönüştüren TTS yapay zekâ modeliyle etkileşim kurmayı sağlayan bir uç noktadır. Modelin iki varyasyonu vardır:
- TTS-1: Gerçek zamanlı metin-konuşma kullanım senaryoları için optimize edilmiş en yeni yapay zekâ modeli.
- TTS-1-HD: Kalite için optimize edilmiş en yeni yapay zekâ modeli.
Uç nokta, önceden tanımlı altı sesle birlikte gelir ve OpenAI TTS Dokümantasyonu'na göre şu amaçlarla kullanılabilir:
- Yazılı bir blog yazısını seslendirmek
- Birden çok dilde sesli çıktı üretmek
- Yayın (streaming) ile gerçek zamanlı ses çıktısı vermek
Ancak OpenAI’nin Kullanım Politikaları'nın, son kullanıcılara duydukları TTS sesinin yapay zekâ tarafından üretildiği ve insan sesi olmadığına dair açık bir bilgilendirme yapılmasını zorunlu kıldığını unutmamak önemlidir.
TTS API'ye Başlarken
OpenAI Metin-Konuşma API'sini kullanmaya nasıl başlayabileceğinize bakalım; önkoşulları ve izlemeniz gereken adımları ele alacağız:
Önkoşullar
- Bakiye yüklü bir OpenAI hesabı – aşağıda API Sınırları ve Fiyatlandırmayı Anlama bölümüne bakın.
- Python 3.7+
- IDE
Adım 1: Bir API anahtarı oluşturun
OpenAI hesabınıza giriş yaptıktan sonra ana ekrana yönlendirileceksiniz. Buradan, kenar çubuğunu açmak için sayfanın sol üst köşesindeki OpenAI logosuna gidin.
“API Keys” seçeneğini seçin.
“Create new secret key” seçeneğini tıklayın ve API anahtarınıza bir ad verin – bizinkine “tts-example” adını verdik.
API anahtarını oluşturduğunuzda gizli bir anahtar üretilecektir. Anahtarı güvenli ve emniyetli bir yerde sakladığınızdan emin olun.
Artık anahtarınız var, başlayabilirsiniz!
Adım 2: Sanal bir ortam oluşturun
Sanal Ortam, belirli bir proje için Python ile ilgili bağımlılıkların yüklendiği bir kapsayıcı ya da izole bir ortam oluşturmak için kullanılır. Böylece farklı Python sürümleri ve paketleriyle çalışılabilir.
Sanal ortamların ayrıntılarına girmek bu yazının kapsamı dışındadır. Bir tane oluşturmayı öğrenmek için Python'da Sanal Ortam eğitimine göz atın.
Adım 3: Kod
Konuşma uç noktasının aldığı üç temel girdi vardır:
OpenAI’nin metin-konuşma dokümantasyonunda bir örnek istek mevcut; dolayısıyla tekerleği yeniden icat etmemize gerek yok.
Örnek bir istek şöyle görünüyor:
from pathlib import Path
from openai import OpenAI
client = OpenAI()
speech_file_path = Path(__file__).parent / "speech.mp3"
response = client.audio.speech.create(
model="tts-1",
voice="alloy",
input="Today is a wonderful day to build something people love!"
)
response.stream_to_file(speech_file_path)Bu haliyle kod çalışmayacaktır.
Çalışmamasının nedeni, birinci adımda oluşturduğumuz API anahtarını OpenAI istemcimize henüz iletmemiş olmamızdır…
Adım 4: API anahtarını iletmek
Bu sorunu çözmenin en kolay yolu, gizli anahtarımızı OpenAI() nesnesine geçebileceğimiz bir api_key parametresi eklemektir.
Örneğin:
client = OpenAI(api_key="secret key goes here") Bunu yapmak Python'da kötü bir uygulamadır.
Bunun yerine, gizli anahtarı bir .env dosyasından okumak için dotenv kullanacağız.
Adım 4.1: dotenv'i yüklemek
İlk yapmanız gereken, dotenv'i sanal ortamınıza kurmaktır. Bu komutu sanal ortamınızdan çalıştırın:
pip install python-dotenvAdım 4.2: Ortam değişkenlerini çağırmak
Artık dotenv kurulu olduğuna göre, anahtar-değer çiftleri içeren bir .env dosyası oluşturabilir ve değerleri ortam değişkenleri olarak ayarlayabiliriz.
Bu, kod herkese açık olarak paylaşılsa bile gizli anahtarımızı gizlememizi sağlar.
Önce bir .env dosyası oluşturup aşağıdakini eklemeliyiz:
SECRET_KEY = "insert your secret key token here" Artık main.py dosyamızda dotenv kullanarak ortam değişkenlerimizi çağırabiliriz.
Kod şöyle görünüyor.
import os
from pathlib import Path
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
SECRET_KEY = os.getenv("SECRET_KEY")
client = OpenAI(api_key=SECRET_KEY)
speech_file_path = Path(__file__).parent / "speech.mp3"
response = client.audio.speech.create(
model="tts-1",
voice="alloy",
input="Today is a wonderful day to build something people love!"
)
response.stream_to_file(speech_file_path)Artık kod çalışıyor.
Kodun varsayılan davranışı, konuşma sesinin MP3 dosyası olarak çıktılanmasıdır. Farklı bir dosya biçimini tercih ederseniz, çıktıyı desteklenen biçimlerden herhangi birine yapılandırabilirsiniz.
Sesi ve Çıktıyı Özelleştirme
Dünyada sayısız farklı ses ve aksan var.
Her birini eksiksiz yansıtmak imkânsız olsa da OpenAI’nin TTS'i, API'ye altı benzersiz yerleşik ses entegre ederek yaşadığımız çeşitli dünyayı yansıtmaya çalıştı:
- Alloy
- Echo
- Fable
- Onyx
- Nova
- Shimmer
Bunlar farklı kişilikler yansıtabilir veya tercihinize göre kullanılabilir. Tek yapmanız gereken, istemci nesnesindeki voice parametresiyle kullanmak istediğiniz voice'u ayarlamaktır.
response = client.audio.speech.create(
model="tts-1",
voice="alloy", # Update this to change voice
input="Today is a wonderful day to build something people love!"
)Mevcut sesler hakkında daha fazla bilgi edinmek için OpenAI metin-konuşma API dokümantasyonuna göz atın.
Çıktı biçimini de değiştirebilirsiniz.
API'nin varsayılan yanıtı, dönüştürülen metnin MP3 dosyasıdır. Ancak OpenAI, ihtiyaç ve tercihlerinize cevap verecek bir dizi başka biçim de sunar. Örneğin:
- Advanced Audio Coding (AAC). AAC, dijital ses sıkıştırması için harikadır; geniş çapta benimsenmiştir ve sıkıştırma verimliliğiyle bilinir. Bu nedenle YouTube, Android ve iOS gibi yazılım ve uygulamalar için tercih edilen dosya biçimidir. Kalite ile dosya boyutu arasında denge gerekiyorsa AAC iyi bir seçimdir. Ayrıca kullanıcıların sesleri farklı cihazlarda dinlemesini bekliyorsanız da uygundur.
- Free Lossless Audio Coded (FLAC). Kayıpsız ses sıkıştırması söz konusu olduğunda FLAC başvurulan biçimdir — bu, kalite kaybı olmadan dosya boyutunu azaltabildiği anlamına gelir. Ses meraklıları genellikle FLAC'ı tercih eder; arşiv amaçları ve daha büyük dosya boyutlarını karşılayacak bant genişliğinin olduğu durumlar için idealdir.
- Opus. İnternet üzerinden yayın ve iletişimde düşük gecikme ve çeşitli bit hızlarında iyi sıkıştırma istiyorsanız Opus dosya biçimini seçin.
- MP3. MP3'ü bilmek için teknoloji meraklısı olmanıza gerek yok. Bu, en yaygın desteklenen ses dosyası biçimidir ve tüm cihazlar ve yazılımlar arasında uyumluluğuyla bilinir. Genel kullanım için ideal olduğundan harika bir varsayılandır.
Kısaca: Seçtiğiniz çıktı, ses kalitesini, dosya boyutunu ve dosyanın çeşitli cihazlar ve uygulamalarla uyumluluğunu etkileyebilir.
Dil desteği açısından, metin-konuşma modeli, konuşmadan metne için kullanılan Whisper modelini takip eder; sesler İngilizce için optimize edilmiştir ancak çeşitli diğer diller için de destek vardır.
OpenAI Metin-Konuşma API'sinin Gerçek Hayat Kullanım Senaryaları
Artık TTS API'yi nasıl kuracağımızı bildiğimize göre, nasıl kullanabileceğinize dair bazı örneklere bakalım.
Yazılı bir blog yazısını veya kitabı seslendirin
Diyelim ki bir kitap veya blog yazısı yazdınız ve bunu sese dönüştürerek daha geniş bir kitleye ulaşmak istiyorsunuz. Eski usul ilerlerseniz bir seslendirmen bulmanız (ya da kendiniz seslendirmeniz) gerekir ki bu uzun bir süreç olabilir.
OpenAI TTS API bu süreci kısaltmak için kullanılabilir; yapmanız gereken tek şey metin belgesini API'ye iletmek, gerisini o konuşmaya dönüştürür.
Birden çok dilde sesli çıktı üretin.
Dil öğretmenleri, grup dersleri vermek yerine OpenAI’nin metin-konuşma API'sini kullanarak çeşitli dil ve lehçelerde öğrenciler için kişiselleştirilmiş dersler oluşturabilir. Sesler İngilizce için optimize edilmiş olsa da API, birçok dilde ses içeriği üretmek için hâlâ kullanılabilir.
Yayın kullanarak gerçek zamanlı ses çıktısı
OpenAI TTS API, geleneksel TTS sistemlerine kıyasla daha gerçekçi ve etkileyici duyulan yapay zekâ sesleri oluşturmak için kullanılabilir. Video oyunu geliştiricileri bu yetenekten yararlanıp karakterlere uygulayarak oyuncular için deneyimi daha sürükleyici kılabilir.
Bir diğer kullanım alanı da mevcut geleneksel örneklerine kıyasla daha ilgi çekici sanal asistanlar ve sohbet botları oluşturmaktır.
API Sınırlarını ve Fiyatlandırmayı Anlamak
OpenAI TTS API için hız sınırları, ücretli hesaplarda Dakikada 50 İstek (RPM) ile başlar ve maksimum girdi boyutu 4096 karakterdir – varsayılan hızda yaklaşık 5 dakikalık sese eşdeğerdir.
TTS modellerine ilişkin fiyatlandırma ise şöyledir:
- Standart TTS Modeli: 1.000 karakter başına 0,015 ABD doları.
- TTS HD Modeli: 1.000 karakter başına 0,030 ABD doları.
TTS API'yi küçük bir projeye uygun maliyetle entegre etmek istiyorsanız, standart TTS modelini tercih etmek daha mantıklı olabilir. TTS HD modeli biraz daha pahalıdır ancak ses kalitesinin kritik olduğu durumlar için ideal olan yüksek tanımlı ses sunar – OpenAI’nin ses modelleri için fiyatlandırma hakkında daha fazla bilgi edinin.
Sonuç
OpenAI’nin metin-konuşma API'si, kullanıcıların metinden yüksek kaliteli konuşma sesi üretmesi için bir uç noktadır. Altı yerleşik sesle birlikte gelir ve kullanıcılar kullanım senaryolarına bağlı olarak iki modelden birini, TTS-1 veya TTS-1-HD'yi seçebilir; TTS-1 modeli gerçek zamanlı metin-konuşma için, TTS-1-HD ise kalite için optimize edilmiştir.
Bu blog yazısında şunları ele aldık:
- OpenAI’nin TTS API'si nedir?
- Nasıl kullanılır
- Ses ve çıktı nasıl özelleştirilir
- Gerçek hayat kullanım örnekleri
- API sınırları ve fiyatlandırma
Öğrenmeye devam etmek için şu kaynaklara göz atın:
Konular
