ChatGPT와 ElevenLabs실습: 텍스트에서 음성까지

 

 

1. OpenAI(ChatGPT) API를 통해 질문에 대한 응답 생성
2. ElevenLabs TTS API를 통해 텍스트 →  음성 변환
3. 사용자 입력 → ChatGPT 응답 → 음성 출력까지 자동 처리

: 텍스트 입력 → AI 응답 생성 → 음성 출력 멀티모달 파이프라인 구성

 

ChatGPT API를 사용한 질의응답 프로그램

 

실시간 대화형 버전

from openai import OpenAI
import openai
import os

openai.api_key = os.environ.get("OPENAI_API_KEY0")

client = OpenAI(api_key=openai.api_key)  # OpenAI 클라이언트 생성

system_message = {
    "role": "system",
    "content": "너는 한국의 전문적인 베테랑 변호사야. 나에게 법적인 상담을 해줘. 한국의 현재법 기준으로.",
}

user_message = [
    {"role": "user", "content": "내 이름은 수빈"},
    {"role": "user", "content": "백수"},
]

messages = [system_message] + user_message

while True:
    user_input = input("사용자: ")
    if user_input == "바이":
        print("대답: 즐거운 대화였습니다! 감사합니다!")
        break

    messages.append({"role": "user", "content": user_input})

    # client.chat.completions.create: 사용자가 입력한 문구에 대해 ChatGPT API를 호출, 응답을 반환하는 함수
    completion = client.chat.completions.create(model="gpt-4o", messages=messages)

    reply = completion.choices[0].message.content

    print("대답: " + reply)
    messages.append({"role": "assistant", "content": reply})

 

 

ElevenLabs API를 사용한 음성 합성

 

라이브러리 설치

pip install requests pydub

 

pydub 사용 시 ffmpeg 설치 필요

brew install ffmpeg

 

ffmpeg 설치

Download FFmpeg

 

 

.env 파일예시

 

API Key들은 nano파일에 넣어주고, voice_id는 .env파일 만들어서 넣어줬음

voice_id=모델id

 

 

텍스트 → 음성 변환 코드

import os
import requests
from pydub import AudioSegment
from pydub.playback import play
import io

# 환경 변수에서 API키 불러오기
api_key = os.environ.get("ELEVENLABS_API_KEY")

# 사용자 설정
output_filename = "output_audio.mp3"
voice_id = os.environ.get("voice_id")
url = f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}"
headers = {"xi-api-key": api_key, "Content-Type": "application/json"}

# 텍스트 입력
text = input("텍스트: ")

# 요청 데이터
data = {
    "text": text,
    "model_id": "eleven_multilingual_v2",
    "voice_settings": {
        "style": 1,  # 0.0 ~ 1.0 감정/표현력 정도
        "use_speaker_boost": True,  # True/False 음성 강조/존재감
    },
}

# 요청 및 재생
response = requests.post(url, json=data, headers=headers, stream=True)

if response.status_code == 200:
    audio_content = b""
    for chunk in response.iter_content(chunk_size=1024):
        audio_content += chunk

    segment = AudioSegment.from_mp3(io.BytesIO(audio_content))
    segment.export(output_filename, format="mp3")
    print(f"음성 파일 저장 완료: {output_filename}")
    play(segment)
else:
    print(f"요청 실패: {response.status_code}, {response.text}")

 

 

 

ChatGPT와 ElevenLabs 연동하기

1. 사용자 질문을 입력 : input()으로 사용자 입력 받음

2. ChatGPT가 답변 생성 : ChatGPT API로 응답 생성

3. 생성된 답변을 ElevenLabs로 전송 : ElevenLabs API로 음성 생성

4. 음성 파일로 저장 + 자동 재생 : pydub로 음성 재생

 

import os
import io
import openai # chatGPT API 호출용
import requests # ElevenLabs REST API 요청용
from dotenv import load_dotenv # 환경변수 관리용
# 오디오 재생 및 배속처리용
from pydub import AudioSegment
from pydub.playback import play

# .env 파일에서 환경변수 불러오기
load_dotenv()
openai.api_key = os.environ.get("OPENAI_API_KEY0")
eleven_key = os.environ.get("ELEVENLABS_API_KEY")
voice_id = os.environ.get("voice_id")

# ElevenLabs TTS API 기본 정보
tts_url = f"https://api.elevenlabs.io/v1/text-to-speech/{voice_id}"
headers = {"xi-api-key": eleven_key, "Content-Type": "application/json"}


# 음성 생성 요청 (텍스트 → 오디오 바이트)
def generate_audio(text):
    data = {
        "text": text,
        "model_id": "eleven_multilingual_v2",
        "voice_settings": {
            "stability": 0.5,
            "similarity_boost": 0.1,
            "style": 1.0,
            "use_speaker_boost": True,
        },
    }
    response = requests.post(tts_url, json=data, headers=headers, stream=True)
    if response.status_code == 200:
        audio_bytes = b""
        for chunk in response.iter_content(chunk_size=1024):
            audio_bytes += chunk
        return audio_bytes
    else:
        print(f"TTS 요청 실패: {response.status_code}")
        print(response.text)
        return None


# 오디오 바이트를 mp3로 변환 후 배속 재생
def play_audio(audio_bytes, speed=1.5):
    audio = AudioSegment.from_mp3(io.BytesIO(audio_bytes))
    faster_audio = audio.speedup(playback_speed=speed)
    faster_audio.export("output_chat_audio.mp3", format="mp3")
    play(faster_audio)


# 텍스트를 음성으로 출력 (generate + play 조합)
def speak(text):
    audio_bytes = generate_audio(text)
    if audio_bytes:
        play_audio(audio_bytes)


# 시스템 프롬프트 설정
system_message = {
    "role": "system",
    "content": "너는 전문적인 한국 변호사야. 사용자 질문에 한국 법률 기준으로 명확하고 조리 있게 설명해줘. 자연스럽고 친근한 문장으로 말해줘.",
}

# 사용자 초기 메시지
user_message = [
    {"role": "user", "content": "사실은 법률상담필요 없음"},
    {"role": "user", "content": "아무말이나 하러 온 사람임"},
]

# 전체 메시지 목록 초기화
messages = [system_message] + user_message

# 사용자와의 대화 루프
while True:
    user_input = input("\n사용자: ")

    # 종료 명령어 입력 시
    if user_input.lower() in ["그만", "바이", "done", "exit"]:
        farewell = "즐거운 대화였습니다! 고맙습니다"
        print(f"\n변호사: {farewell}")
        speak(farewell)
        break

    # 사용자 입력 추가
    messages.append({"role": "user", "content": user_input})

    # ChatGPT 응답 생성
    completion = openai.chat.completions.create(model="gpt-4o", messages=messages)
    reply = completion.choices[0].message.content.strip()
    messages.append({"role": "assistant", "content": reply})

    # 응답 출력 및 음성 재생
    print(f"\n변호사: {reply}")
    speak(reply)

 

generate_audio(text)
텍스트를 ElevenLabs API로 전송하고 오디오 바이트 반환

play_audio(audio_bytes, speed=1.5)
mp3로 변환 후 배속 재생

speak(text) 

위 두 함수를 합쳐 텍스트 음성으로 출력

[사용자 입력] → [ChatGPT 응답] → [음성 변환 요청] → [1.5배속 음성 출력]
                    ↘            ↘
             messages.append     speak()