Как синтезировать речь в SpeechKit API v3

В этом разделе вы научитесь синтезировать речь из текста с помощью SpeechKit API v3 (gRPC).

Для работы с API нужна утилита grpcurl.

Перед началом работыПеред началом работы

1. Установите утилиту grpcurl.

2. Установите утилиту jq для потоковой обработки JSON-файлов:

   sudo apt update && sudo apt install jq
   

Преобразуйте текст в аудиофайлПреобразуйте текст в аудиофайл

Чтобы синтезировать речь из текста в TTS-разметке в файл формата WAV:

1. Создайте файл c телом запроса API и текстом для синтеза речи:

   tts_req.json

   {
    "text": "Я Яндекс Спичк+ит. Я могу превратить любой текст в речь. Теперь и в+ы — можете!",
    "outputAudioSpec": {
      "containerAudio": {
        "containerAudioType": "WAV"
      }
    },
    "hints": [
        {
            "voice": "jane"
        },
        {
            "role": "good"
        }
    ],
    "loudnessNormalizationType": "LUFS"
   }
   

2. Выполните команды:

   export FOLDER_ID=<идентификатор_каталога>
   export IAM_TOKEN=<IAM-токен>
   jq . -c tts_req.json | \
   grpcurl -H "authorization: Bearer ${IAM_TOKEN}" \
           -H "x-folder-id: ${FOLDER_ID}" \
           -d @ tts.api.cloud.yandex.net:443 speechkit.tts.v3.Synthesizer/UtteranceSynthesis | \
   jq -r '.audioChunk.data' | base64 -d > speech.wav
   

   Где:

   • FOLDER_ID — идентификатор каталога, полученный перед началом работы. Если вы используете IAM-токен сервисного аккаунта, не указывайте в запросе идентификатор каталога — сервис использует каталог, в котором был создан сервисный аккаунт.
   • IAM_TOKEN — IAM-токен, полученный перед началом работы.
   • speech.wav – файл, в который будет записан ответ.

В результате в папке будет создан файл speech.wav с синтезированной речью.

См. такжеСм. также

• Подробнее про API v3
• Аутентификация в API
• Синтез речи в API v3