Azure OpenAI Text to speech で今日の天気予報を読み上げる

テキスト読み上げ (プレビュー)
現在プレビュー段階にある OpenAI テキスト読み上げモデルを使って、テキストを音声に合成できます。

Azure AI 音声経由で OpenAI テキスト読み上げの音声を使うこともできます。 詳細については、Azure OpenAI Service または Azure AI 音声経由の OpenAI テキスト読み上げ音声のガイドを参照してください。

こちらを遊んでみたメモです。

材料

• Azure OpenAI
• Azure Logic Apps
• SharePoint (ストレージなど *.mp3 を格納する場所)

詳細

Azure OpenAI

自分用のデプロイをひとつ用意しております。tts-hd を選びました。

POST https://{endpoint}/openai/deployments/{deployment-id}/audio/speech?api-version=2024-12-01-preview

ここでは以下を用いています。

https://nobuk-m6ftfebf-swedencentral.cognitiveservices.azure.com/openai/deployments/noytts-hd/audio/speech?api-version=2024-05-01-preview

Azure Logic Apps

マネージド ID

先に、当該 Logic Apps のシステム割り当てマネージド ID を有効にしておきます。Azure ロールの割り当てには Cognitive Services OpenAI User を指定しておきます。

トリガー

ワークフローを作成していきます。日次実行としています。

今日の予報を取得する

場所は東京。ほか特に何もしていません。

テキストの翻訳

今日の予報の概要を翻訳元テキストとして設定します。

HTTP リクエスト

先ほど確認したエンドポイントへ POST を送ります。

本文は以下。

JSON

{
  "model": "tts-hd",
  "input": "@{body('テキストの翻訳')}",
  "voice": "alloy"
}

Rest API で以下と同様になります。

POST https://nobuk-m6ftfebf-swedencentral.cognitiveservices.azure.com/openai/deployments/noytts-hd/audio/speech?api-version=2024-05-01-preview
Content-Type: application/json
api-key: <api-key>

{
    "model": "tts-hd",
    "input": "<音声にしたいテキスト>",
    "voice": "alloy"
}

ファイルの作成

SharePoint (またはストレージなど *.mp3 を格納する場所) を用意しておきます。Response の Body をそのままコンテンツとして保存します。

例:

完成

speech.mp3

出力:

参考

OpenAI テキスト読み上げ音声とは - Azure AI services | Microsoft Learn
テキスト読み上げについてのよくあるご質問 (FAQ) - Azure AI services | Microsoft Learn