Связаться с намиПодключиться

Начало работы со SpeechKit

Статья создана
Обновлена 1 ноября 2024 г.

Вы можете протестировать распознавание и синтез речи в сервисе SpeechKit на странице демо. О стоимости использования сервиса читайте в разделе Правила тарификации для SpeechKit.

Перед началом работы

  1. Перейдите в консоль управления, затем войдите в Yandex Cloud или зарегистрируйтесь, если вы еще не зарегистрированы. О том, как начать работать с Yandex Cloud, см. в документе Начало работы с Yandex Cloud.
  2. Примите пользовательское соглашение.
  3. В сервисе Yandex Cloud Billing убедитесь, что у вас подключен платежный аккаунт и он находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его.

Распознавание речи с помощью Playground

Чтобы распознать речь из аудиофайла через интерфейс SpeechKit Playground:

  1. Откройте консоль управления и выберите сервис SpeechKit.
  2. На панели слева нажмите SpeechKit Playground и перейдите на вкладку Распознавание речи.
  3. В поле Язык выберите нужный язык или оставьте значение Автоматически.
  4. Нажмите Выбрать файл или перетащите его в зону загрузки.
  5. Чтобы распознать речь, нажмите Распознать.

SpeechKit Playground предоставляет базовые возможности распознавания речи. Более гибкие настройки распознавания доступны только через API.

Синтез речи с помощью Playground

Чтобы преобразовать текст в аудио через интерфейс SpeechKit Playground:

  1. Откройте консоль управления и выберите сервис SpeechKit.
  2. На панели слева нажмите SpeechKit Playground и перейдите на вкладку Синтез речи.
  3. В блоке Настройки синтеза:
    • Паузы — выберите длительность пауз между словами или задайте ее самостоятельно.
    • Акцент на слове — расставьте акценты на нужных словах.
    • Ударение — обозначьте ударные гласные, чтобы уточнить корректный вариант произношения слов.
    • Фонемы — контролируйте правильность произношения слов с помощью фонем.
  4. В блоке Настройки синтеза:
    • Язык — выберите язык диктора.
    • Голос — укажите голос диктора.
    • Амплуа — выберите амплуа диктора.
    • Скорость речи — задайте скорость речи диктора.
    • Высота голоса — скорректируйте высоту голоса диктора.
    • Формат аудио — выберите необходимый формат аудио.
  5. Чтобы синтезировать текст, нажмите Синтезировать и воспроизвести.
  6. Чтобы скачать результат, нажмите .

SpeechKit Playground предоставляет базовые возможности синтеза речи. Более гибкие настройки синтеза доступны только через API.

Аутентификация для работы с API

Для работы с API SpeechKit пройдите аутентификацию. Ее способ зависит от типа аккаунта:

  1. Получите IAM-токен для аккаунта на Яндексе или федеративного аккаунта.
  2. Получите идентификатор каталога, на который у вашего аккаунта есть роли ai.speechkit-stt.user, ai.speechkit-tts.user или выше.

  3. При обращении к SpeechKit через API в каждом запросе передавайте полученные параметры:

    • Для API v1 и API v2:

      Указывайте IAM-токен в заголовке Authorization в следующем формате:

      Authorization: Bearer <IAM-токен>

      Идентификатор каталога указывайте в теле запроса в параметре folderId.

    • Для API v3:

      • в заголовке Authorization указывайте IAM-токен;
      • в заголовке x-folder-id указывайте идентификатор каталога.
      Authorization: Bearer <IAM-токен> 
x-folder-id <идентификатор_каталога>

SpeechKit поддерживает два способа аутентификации с сервисным аккаунтом:

  • С помощью IAM-токена:

    1. Получите IAM-токен.

    2. Полученный IAM-токен передавайте в заголовке Authorization в следующем формате:

      Authorization: Bearer <IAM-токен>

  • С помощью API-ключей.

    Используйте API-ключи, если у вас нет возможности автоматически запрашивать IAM-токен.

    1. Получите API-ключ.

    2. Полученный API-ключ передавайте в заголовке Authorization в следующем формате:

      Authorization: Api-Key <API-ключ>

Не указывайте в запросах идентификатор каталога — сервис использует каталог, в котором был создан сервисный аккаунт.

Распознавание речи через API

Узнайте, как распознать короткие и длинные предзаписанные аудиофайлы в SpeechKit. Также сервис позволяет распознать голос в режиме реального времени.

Синтез речи через API

Узнайте, как преобразовать текст в аудио с помощью API v1 и API v3 SpeechKit. API v3 позволяет более гибко настроить синтез. Подробнее о различиях версий API в разделе Возможности синтеза.

См. также

Предыдущая
Обзор технологий SpeechKit
Следующая
Как распознать короткие аудиофайлы в API v1