Синтез речи на базе Yandex SpeechKit Cloud

Наверх    [Oktell 2.7+]

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/

Использование компонента

Начиная с версии Oktell 2.12, в служебных и IVR сценариях появился компонент "Синтез речи". Компонент озвучивает заданную фразу (синтезирует речь) с помощью сервиса Yandex.SpeechKit. Позволяет сразу воспроизвести файл в линию, либо сгенерировать файл для последующего использования. В компоненте можно включить кэш, тем самым сохраняя все сгенерированные файлы в папку \Oktell\Server\LocalStorage\SynthesisCache. Так как каждый запрос к сервису Yandex платный, то включенный кэш позволяет сэкономить ваши средства.

Техническая документация по компоненту: http://wiki.oktell.ru/Компоненты_сценариев_IVR#.D0.A1.D0.B8.D0.BD.D1.82.D0.B5.D0.B7_.D1.80.D0.B5.D1.87.D0.B8 технической документации.

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

Шаг 1. Получите API-ключ на использование сервиса в кабинете разработчика.

Тестовый период (бесплатный) – 1 месяц с момента получения ключа.

Шаг 2. Перейдите в Администрирование/Общие настройки/Распознавание речи Яндекс. Введите полученный ключ доступа в поле "Ключ доступа (key)"

Нажмите "Сохранить". Теперь вы можете использовать синтез речи в сценариях.

Шаг 3. Рассмотрим пример использования синтеза речи в IVR сценарии.

Компонент "Синтез речи". Озвучивает приветствие абоненту и сохраняет выбор абонента в переменную.

• Режим — Воспроизвести. В этом режиме компонент сразу воспроизводит сгенерированный файл в текущую линию.
• Текст — строка "Здравствуйте! Вас приветствует компания Телефонные Системы! Для соединения с менеджерами нажмите 1. Для соединения с сотрудниками технической поддержки нажмите 2.". Введенный текст будет передан на сервера Yandex для озвучивания.
• Голос — Zahar. Настройка отвечает за синтезируемый голос: Zahar - мужской голос, Jane -женский. Возможно указание другого значения, если оно поддерживается сервисом Yandex SpeechKit Cloud.
• Эмоция — По умолчанию. Настройка отвечает за используемую окраску голоса. Возможные варианты: good, neutral, evil, mixed.
• Кэш — Использовать. Если использовать кэш, то система попытается найти файл с озвученным текстом среди сгенерированных ранее (находятся в папке \Oktell\Server\LocalStorage\SynthesisCache). Рекомендуется всегда включать в целях экономии средств.
• Таймаут ожидания ответа, с — 5. Максимальное время ожидания ответа от серверов Yandex.
• Символы прерывания — строка "1, 2". Если абонент нажмет на указанные символы прерывания, компонент сохранит их в буфер и перейдет к следующему блоку.
• Буфер для DTMF — переменная ввод (строковая). Переменная, в которую сохранится введенный символ прерывания.
• Очистить буфер — Да. Указывает на то, что буфер предварительно будет очищен.

Компонент "Меню". Маршрутизирует абонента на выбранную группу операторов.

• Аргумент — переменная Ввод
• Значения —

1 — на компонент "Переключение 1"

2, прочее - на компонент "Переключение 2"

Настройка дальнейшей маршрутизации не рассматривается.

Чтобы использовать синтез речи для преднабора необходимо вначале сгенерировать файл с помощью компонента "Синтез речи" и сохранить путь к этому файлу в переменную (в соответствующем свойстве). Далее указать этот файл в компоненте "Воспроизведение с преднабором".

Альтернативный вариант синтеза речи

Для версий ниже Oktell 2.12 вы можете использовать компонент веб-запрос для отправки и получения запроса с сервиса Yandex SpeechKit Cloud. Сценарий выглядит следующий 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. Получить API-ключ на использование сервиса можно в кабинете разработчика.

• 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.

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

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