Node.js中处理OpenAI TTS API响应：转MP3缓冲区并存储

核心问题分析 #

你的代码未配置axios的响应类型，默认情况下axios会把二进制分块响应解析成字符串，导致音频数据损坏。必须明确指定响应类型为二进制格式，才能正确处理audio/mpeg的流数据。

修改后的实现方案 #

以下是两种常用处理方式，按需选择：

方式1：获取MP3 Buffer并存储

适合需要先对音频数据做处理再存储的场景：

const fs = require('fs').promises;
const axios = require('axios');
const speechUrl = 'https://api.openai.com/v1/audio/speech';
    
const headers = {
    'Content-Type': 'application/json',
    'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`
};

async function voiceGenerator(text) {
    console.log('voiceGenerator is triggered');
    console.log('text: ', text);
    const body = {
        "model": "tts-1",
        "input": text,
        "voice": "alloy",
        "response_format": "mp3",
        "speed": 0.9
    };

    try {
        const res = await axios.post(speechUrl, body, { 
            headers: headers,
            responseType: 'arraybuffer' // 关键配置：以二进制数组形式接收响应
        });

        if (res.status === 200) {
            // 将ArrayBuffer转换为Node.js Buffer
            const mp3Buffer = Buffer.from(res.data);
            
            // 示例：存储为本地MP3文件
            await fs.writeFile('./output.mp3', mp3Buffer);
            console.log('MP3文件已成功存储');
            
            return mp3Buffer;
        } else {
            console.error('请求失败，状态码:', res.status);
            throw new Error(`请求失败，状态码: ${res.status}`);
        }
    } catch (err) {
        console.error('OpenAI API调用失败:', err.response?.data || err.message);
        throw err;
    }
}

方式2：直接通过流存储（更高效，适合大文件）

如果不需要对音频数据做中间处理，直接用流可以减少内存占用：

const fs = require('fs');
const axios = require('axios');
const speechUrl = 'https://api.openai.com/v1/audio/speech';
    
const headers = {
    'Content-Type': 'application/json',
    'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`
};

async function voiceGenerator(text) {
    console.log('voiceGenerator is triggered');
    console.log('text: ', text);
    const body = {
        "model": "tts-1",
        "input": text,
        "voice": "alloy",
        "response_format": "mp3",
        "speed": 0.9
    };

    try {
        const res = await axios.post(speechUrl, body, { 
            headers: headers,
            responseType: 'stream' // 关键配置：以流形式接收响应
        });

        if (res.status === 200) {
            return new Promise((resolve, reject) => {
                const writeStream = fs.createWriteStream('./output.mp3');
                // 将响应流管道到文件写入流
                res.data.pipe(writeStream);
                
                writeStream.on('finish', () => {
                    console.log('MP3文件已成功存储');
                    resolve();
                });
                
                writeStream.on('error', (err) => {
                    console.error('文件写入失败:', err);
                    reject(err);
                });
            });
        } else {
            console.error('请求失败，状态码:', res.status);
            throw new Error(`请求失败，状态码: ${res.status}`);
        }
    } catch (err) {
        console.error('OpenAI API调用失败:', err.response?.data || err.message);
        throw err;
    }
}

关键说明 #

1. responseType配置：必须设置为arraybuffer或stream，否则axios会把二进制数据转成UTF-8字符串，导致MP3文件损坏无法播放。
2. 状态码判断：OpenAI TTS接口成功响应的状态码是200，204代表无内容，无需保留该判断。
3. 错误处理优化：捕获错误时优先读取err.response?.data，可以拿到OpenAI返回的具体错误信息（比如API密钥无效、输入文本过长等）。

内容的提问来源于stack exchange，提问作者Terry Windwalker