Синтез речи на базе Yandex SpeechKit Cloud — различия между версиями

Версия 11:33, 16 декабря 2014

Наверх

Введение

Yandex SpeechKit Cloud — это облачный сервис, открывающий разработчикам доступ к речевым технологиям Яндекса. В этой статье мы поговорим про синтез речи.

Технология синтеза речи позволяет переводить текст в речь (звуковой файл). Задача актуальна для озвучивания динамически обновляемой информации или быстро меняющихся данных, таких как остаток товаров на складе, репертуар кинотеатров и так далее. Технология синтеза речи Яндекса построена на базе скрытых марковских моделей (HMM). За счет применения статистического подхода в акустическом моделировании удается достичь естественных плавных интонаций. Технология позволяет достаточно быстро создавать новые голоса и синтезировать различные эмоции.

Синтез речи Яндекса позволяет выбрать:

• мужской или женский голос для озвучивания;
• эмоции: добрый, злой, нейтральный голос.

Документация по API синтеза речи Yandex SpeechKit доступна на сайте https://tech.yandex.ru/speechkit/cloud/doc/dg/concepts/speechkit-dg-tts-docpage/

Быстрый старт

Для использования системы синтеза речи Yandex SpeechKit Cloud выполните следующие действия:

Шаг 1. Скачайте и импортируйте следующий сценарий. Сценарий позволяет преобразовывать текст в звуковой файл, и воспроизводить его абоненту.

Скачать сценарий: Синтез речи Yandex SpeechKit Cloud.oscr (собран на версии 2.11.141204)

После импорта сценария сохраните его.

Шаг 2. Получите API-ключ на использование сервиса в кабинете разработчика.

После регистрации ключа присвойте его переменной key (строковая) в компоненте SpeechKit Key установленного сценария.

Шаг 3. Для использования сервиса используйте компонент "Запуск сценария" в IVR сценарии. В свойствах компонента выберите

• Тип запуска - Вложенный
• Сценарий - выберите сценарий "Синтез речи Yandex SpeechKit Cloud"
• Параметр запуска - введите ваш текст для воспроизведения. В примере, строка "Здравствуйте! Вас приветствует компания Телефонные Системы!"
• Возврат управления - Да

Описание сценария

Сценарий синтеза речи Yandex SpeechKit Cloud выглядит следующим образом:

Компонент "Старт". Получает переданный текст для озвучки и записывает его в переменную text.

• Параметр запуска - переменная text (строковая)

Компонент "SpeechKit Key". Определяет API-ключ для выполнения Web-запроса на сервисы Yandex.

• переменной key (строковая) присваивается значение API-ключа.

Компонент "Web запрос". Выполняет GET-запрос на сервис Yandex SpeechKit Cloud и получает бинарные данные звукового файла.

• URL - выражение:

'https://tts.voicetech.yandex.net/generate?text='+[text]+'&format=mp3&lang=ru-RU&speaker=zahar&key='+[key]

• Метод - GET
• Режим работы - Обрыв по таймауту
• Таймаут, сек - 30

ВНИМАНИЕ: Данный режим работы накладывает ограничение на время скачивания звукового файла. Если вы хотите озвучить большой текст, то рекомендуется увеличить время таймаута. Как вариант, установите режим работы - Ожидание результата, но в этом случае время время работы компонента может быть неограниченным, что приведет к тому, что абонент устанет ждать и положит трубку.

• Тип ответа - Текст
• Ответ в переменную - переменная response (строковая)
• Кодировка ответа - Текущая кодовая страница Windows

Компонент "Запись". Используется для генерации имени файла.

• Сохранение файла - Сгенерировать автоматически
• Каталог - CustomCategory\Local\Синтез речи YandexSpeechKit Cloud\DefaultCategory
• Начинать новую папку - Никогда
• Сохранить путь в переменную - Абсолютный путь
• Путь в переменную - переменная filename (строковая)
• Макс время, с - 1

Компонент "Удаляем файл (если есть)". Компонент удаляет запись от предыдущего компонента, так как его целью была генерация названия файла. Сам временный файл записи фактически не нужен, поэтому и происходит его удаление.

• Путь - переменная filename
• Тип объекта - Файл
• Операция - Удалить

Компонент "wav->mp3". Меняет название файла путем подмены расширения на mp3. У названия файла удаляются последние три символа (это может быть wav или mp3, информацию мы изначально не знаем), а затем добавляет расширение mp3. Таким образом, название будет гарантированно иметь расширение mp3.

• переменной filename присваивается выражение

remove([filename],len([filename])-3,3)+'mp3'

Компонент "Сохраняем данные в файл". Записывает все полученные данные от сервиса Yandex SpeechKit Сloud в файл со сгенерированным названием.

• Путь - переменная filename
• Тип объекта - Файл
• Операция - Дописать данные в конец
• Данные - переменная response
• Кодировка - Текущая кодовая страница Windows

Компонент "Воспроизводим файл". Воспроизводит звуковой файл в линию абонента.

• Режим - Файл полностью
• Файл - переменная filename

Компонент "Файловая операция". Удаляет полученную запись после воспроизведения для экономии места на диске. Предполагается, что файл с озвученным текстом далее не понадобится.

• Путь - переменная filename
• Тип объекта - Файл
• Операция - Удалить

Компонент "Стоп". Для возврата в родительский сценарий (из которого запустился сценарий синтеза речи) необходимо указать возврат управления.

• Возврат управления - Да.