请问 ChatGPT 官方移动端的语音输出是用什么实现的？

[bywenshu]

如题，我感觉它的语音输出比较自然，想问一下 OpenAI 有没有相关的文字转语音 API ？

[em70]

是 openai 训练的一个叫 next to audio 的模型提供的服务,API 可能 11 月 6 日会发布

希望这种周边模型像 whisper 一样能开源出来

[bywenshu]

@em70 感谢，但我在谷歌上边没找到你说的这个模型的信息啊……你这消息是从哪里来的？

[em70]

@bywenshu #2 twitter 上看到的,还没发布,可能正式发布不是这个名字.已知信息是.openai 用大模型技术做的语音合成

[youthfire]

@em70 #1 开源的那个 whisper 快吗？我没跑过，用的 api 速度倒是非常快，就是量大了也费钱

[yanyao233]

@youthfire 现在有 whisper jax ，whisper cpp ，这两个比官方的 whisper 开源版快很多，可以试一试。模型 api 用的就是 large v2 ，应该效果是一样的

[bywenshu]

@youthfire
@yanyao233 啊？ whisper 不是语音转文字吗？

[yanyao233]

@bywenshu 我顺着 #4 回复的，whisper 确实就是个语音转文字

[youthfire]

@bywenshu #6 因为一楼正好提到了 whisper 。它本身就有开源免费又有收费 api 两套方案，就顺便问问速度差距。因为之前在其他网站看到说开源的速度很慢，自己也没跑过。

[yiencho]

就是文本转语音，api 还没开放给普通用户，我看到开放给 spotify 的新闻了，下面这个

https://newsroom.spotify.com/2023-09-25/ai-voice-translation-pilot-lex-fridman-dax-shepard-steven-bartlett/

spotify 用它来生成多语言的播客

[em70]

@youthfire #4 有个 whisperX 的分支,就算用 CPU 都非常快,据说比原版快 70 倍,没实测过,量不大还是 API 划算