Как синтезировать речь в SpeechKit API v1
Статья создана
Обновлена 27 сентября 2024 г.
Синтез речи преобразует текст в речь и сохраняет ее в аудиофайл. В этом разделе вы научитесь синтезировать речь из текста с помощью SpeechKit API v1 (REST).
Отправьте запрос на преобразование текста в речь:
read -r -d '' TEXT << EOM
Я Яндекс Спичк+ит.
Я могу превратить любой текст в речь.
Теперь и в+ы — можете!
EOM
export FOLDER_ID=<идентификатор_каталога>
export IAM_TOKEN=<IAM-токен>
curl
--request POST \
--header "Authorization: Bearer ${IAM_TOKEN}" \
--data-urlencode "text=${TEXT}" \
--data "lang=ru-RU&voice=filipp&folderId=${FOLDER_ID}" \
"https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize" > speech.ogg
Где:
FOLDER_ID— идентификатор каталога, полученный перед началом работы.IAM_TOKEN— IAM-токен, полученный перед началом работы.TEXT— текст с примененным URL-кодированием, который нужно распознать.lang— язык текста.voice— голос для синтеза речи.speech.ogg– файл, в который будет записан ответ.
Примечание
Для передачи слов-омографов используйте + перед ударной гласной: з+амок, зам+ок. Чтобы отметить паузу между словами, используйте -. Ограничение на длину строки: 5000 символов.
Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы выполнили эту команду.
По умолчанию аудио создается в формате OggOpus. Прослушать созданный файл можно в браузере, например в Яндекс Браузере или Mozilla Firefox.
См. подробнее описание формата запроса на синтез речи.