使用 OpenAI 实现文本转语音

本指南介绍如何在 Open WebUI 中使用 OpenAI 官方 Text-to-Speech API。如果你已经拥有 OpenAI API 密钥，这是最简单的配置方式。

想配置 STT？

请查看配套指南：使用 OpenAI 实现语音转文本

前置要求

• 拥有可访问 Audio API 的 OpenAI API 密钥
• Open WebUI 已安装并正常运行

快速配置（UI）

1. 点击你的头像图标（左下角）
2. 选择 管理面板
3. 点击 设置 → 音频 标签
4. 按如下方式配置：

设置	值
文本转语音引擎	OpenAI
API 基础 URL	https://api.openai.com/v1
API 密钥	你的 OpenAI API 密钥
TTS 模型	tts-1 或 tts-1-hd
TTS 语音	从可用语音中选择

5. 点击 Save

可用模型

模型	说明	最适合
tts-1	标准音质、延迟更低	实时应用、更快响应
tts-1-hd	更高音质	预录内容、高品质音频

可用语音

OpenAI 提供 6 种内置语音：

语音	说明
alloy	中性、均衡
echo	温暖、偏对话风格
fable	表现力更强、英式口音
onyx	低沉、权威感强
nova	友好、轻快
shimmer	柔和、轻柔

提示

你可以多试几种语音，找到最适合自己场景的一种。也可以在 OpenAI 文档中预览相关语音。

按模型设置 TTS 语音

你可以为单个模型指定专属 TTS 语音，让不同 AI persona 拥有不同声音。该设置位于模型编辑器中。

设置模型专属语音

1. 前往 Workspace > Models
2. 点击要配置模型上的 Edit（铅笔）图标
3. 向下滚动找到 TTS 语音 字段
4. 输入语音名称（例如 alloy、echo、shimmer、onyx、nova、fable）
5. 点击 Save

语音优先级

播放 TTS 音频时，Open WebUI 按以下优先级选择语音：

1. 模型专属 TTS 语音（如果在模型编辑器中已设置）
2. 用户个人语音设置（如果已在用户设置中配置）
3. 系统默认语音（由管理员配置）

这样管理员就可以为每个 AI persona 设定稳定的声音，同时仍允许用户在没有模型专属语音时使用自己的偏好设置。

使用场景

• 角色化 persona：例如让 “British Butler” 模型使用 fable，而 “Energetic Assistant” 使用 nova
• 语言学习：为不同语言教师分配合适的声音
• 无障碍场景：为无障碍用途模型设置更清晰的语音

环境变量配置

如果你更倾向于通过环境变量配置：

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    environment:
      - AUDIO_TTS_ENGINE=openai
      - AUDIO_TTS_OPENAI_API_BASE_URL=https://api.openai.com/v1
      - AUDIO_TTS_OPENAI_API_KEY=sk-...
      - AUDIO_TTS_MODEL=tts-1
      - AUDIO_TTS_VOICE=alloy
    # ... 其他配置

全部 TTS 环境变量

变量	说明	默认值
AUDIO_TTS_ENGINE	设置为 openai	empty
AUDIO_TTS_OPENAI_API_BASE_URL	OpenAI API 基础 URL	https://api.openai.com/v1
AUDIO_TTS_OPENAI_API_KEY	你的 OpenAI API 密钥	empty
AUDIO_TTS_MODEL	TTS 模型（tts-1 或 tts-1-hd）	tts-1
AUDIO_TTS_VOICE	使用的语音	alloy

测试 TTS

1. 新建一个聊天
2. 向任意模型发送一条消息
3. 点击 AI 回复上的扬声器图标，听它朗读内容

响应切分

朗读较长回复时，Open WebUI 可以在发送到 TTS 引擎前先把文本拆分成多个片段。该设置位于 管理面板 > 设置 > 音频 下的 响应切分。

选项	说明
Punctuation（默认）	按句子边界切分：句号（.）、感叹号（!）、问号（?）和换行。自然感最佳。
Paragraphs	仅按段落分隔（双换行）切分。生成的音频块更长。
None	整段回复作为一个整体发送。长回复可能会导致音频启动延迟。

提示

大多数场景建议使用 Punctuation 模式。它在流式性能（更快开始播放）和自然语音节奏之间取得了最好平衡。

故障排查

没有音频播放

1. 检查 OpenAI API 密钥是否有效，并确认已开通 Audio API
2. 确认 API 基础 URL 是否正确（https://api.openai.com/v1）
3. 检查浏览器控制台（F12）是否有报错

音质问题

• 将 tts-1 切换为 tts-1-hd 可获得更高音质
• 注意：tts-1-hd 延迟会略高

速率限制

OpenAI Audio API 有速率限制。如果你经常触发限制：

• 可考虑缓存常用短语
• 使用 tts-1 代替 tts-1-hd（消耗更少 token）

更多排查信息请参阅 音频故障排查指南。

成本说明

OpenAI 的 TTS 按字符数计费。当前价格请查看 OpenAI Pricing。注意 tts-1-hd 的价格高于 tts-1。

信息

如果你想要免费替代方案，可考虑 OpenAI Edge TTS，它利用微软 Edge 浏览器的免费 TTS 能力。