Связаться с намиПодключиться

Синтез речи с помощью Python SDK

Статья создана
Обновлена 11 апреля 2025 г.

Ниже приведен пример синтеза речи из текста в TTS-разметке в файл формата WAV с помощью Python SDK SpeechKit. В примере заданы параметры:

Для остальных настроек синтеза используются значения по умолчанию.

Для работы с Python SDK нужен пакет yandex-speechkit.

Аутентификация выполняется от имени сервисного аккаунта с помощью API-ключа или IAM-токена. Подробнее об аутентификации в API SpeechKit.

Перед началом работы

  1. Создайте сервисный аккаунт и назначьте ему роль ai.speechkit-tts.user.
  2. Для сервисного аккаунта получите и сохраните API-ключ.

Создайте приложение для синтеза речи

  1. Установите пакет yandex-speechkit с помощью менеджера пакетов pip:

    pip install yandex-speechkit

    Установка проверялась на Python 3.9. Минимально допустимую версию Python см. на сайте SDK.

    Если возникает конфликт версий пакета grpcio-tools, см. раздел Решение конфликта версий при установке Python SDK.

  2. Создайте файл test.py и добавьте в него код:

    from argparse import ArgumentParser

from speechkit import model_repository, configure_credentials, creds

# Аутентификация через API-ключ.
configure_credentials(
   yandex_credentials=creds.YandexCredentials(
      api_key='<API-ключ>'
   )
)

def synthesize(text, export_path):
   model = model_repository.synthesis_model()

   # Задайте настройки синтеза.
   model.voice = 'jane'
   model.role = 'good'

   # Синтез речи и создание аудио с результатом.
   result = model.synthesize(text, raw_format=False)
   result.export(export_path, 'wav')

if __name__ == '__main__':
   parser = ArgumentParser()
   parser.add_argument('--text', type=str, help='text to synthesize', required=True)
   parser.add_argument('--export', type=str, help='export path for synthesized audio', required=False)

   args = parser.parse_args()

   synthesize(args.text, args.export)

    Где:

    • api_key — API-ключ для сервисного аккаунта;
    • voice — голос для синтеза речи;
    • role — амплуа для указанного голоса;
    • text — текст в TTS-разметке для синтеза;
    • export_path — путь к файлу, в который нужно записать аудио.

  3. Сохраните текст, который нужно озвучить, в переменную окружения:

    export TEXT='Я Яндекс Спичк+ит. Я могу превратить любой текст в речь. Теперь и в+ы — можете!'

  4. Выполните созданный файл:

    python3 test.py --text ${TEXT} --export speech.wav

    Где:

    • --text — текст в TTS-разметке, который нужно синтезировать. В примере текст передается в переменной окружения TEXT;
    • --export — путь к файлу, в который нужно записать аудио.

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

См. также

Предыдущая
Синхронное распознавание Python SDK
Следующая
Все руководства