Prompt-to-voice ya está disponible para clientes de la API: basta con describir la voz deseada para crearla y guardarla, sin subir una grabación. OpenAI añade además nueve voces predefinidas a GPT-Live.
OpenAI ha abierto prompt-to-voice a todos los clientes de su API. La herramienta crea una voz a partir de instrucciones escritas: se pueden describir el acento, el tono, el timbre y el ritmo, y guardar el resultado para reutilizarlo en conversaciones de GPT-Live.
La voz se puede crear mediante una solicitud a la API o desde el voice Playground. Este procedimiento no requiere aportar una grabación de referencia ni una grabación de consentimiento, porque no intenta clonar una voz concreta. Es diferente del flujo que sí parte de una muestra de audio.
La creación de una voz descrita por texto no tiene coste propio, pero generar audio con ella se factura con las tarifas habituales de las sesiones de GPT-Live. Cada voz creada queda guardada con un identificador para volver a usarla; OpenAI establece un máximo de cien voces de este tipo por organización.
Por ahora, las voces generadas mediante prompt-to-voice funcionan con GPT-Live. No son compatibles con las API Text to Speech, Realtime ni Chat Completions con salida de audio. Para escoger una voz ya existente, OpenAI también ha añadido nueve opciones naturales repartidas entre alemán, francés, hindi, japonés y coreano.
El servicio exige voces adultas y prohíbe imitar a personas concretas. Las aplicaciones deben informar de que el audio es sintético y conservar los indicadores de procedencia. Una descripción tampoco garantiza una voz exclusiva: otras personas podrían obtener un resultado parecido.
