Связаться с намиПодключиться

Синтез речи в формате OggOpus с помощью API v1

Статья создана
Улучшена
Обновлена 27 сентября 2024 г.

С помощью API v1 можно синтезировать речь из текста в TTS-разметке в файл формата OggOpus.

В примере заданы следующие параметры синтеза:

  • язык — русский;
  • голос — filipp;
  • остальные параметры оставлены по умолчанию.

Аутентификация происходит от имени аккаунта на Яндексе или федеративного аккаунта с помощью IAM-токена. Если вы используете сервисный аккаунт, передавать в запросе идентификатор каталога не нужно. Подробнее об аутентификации в API SpeechKit см. Аутентификация в API SpeechKit.

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:

Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы отправляли запрос.

Отправьте запрос на преобразование текста в речь:

using System;
using System.Collections.Generic;
using System.Net.Http;
using System.Threading.Tasks;
using System.IO;

namespace TTS
{
  class Program
  {
    static void Main()
    {
      Tts().GetAwaiter().GetResult();
    }

    static async Task Tts()
    {
      const string iamToken = "<IAM-токен>";
      const string folderId = "<идентификатор_каталога>";

      HttpClient client = new HttpClient();
      client.DefaultRequestHeaders.Add("Authorization", "Bearer " + iamToken);
      var values = new Dictionary<string, string>
      {
        { "text", "Я Яндекс Спичк+ит. Я могу превратить любой текст в речь. Теперь и в+ы — можете!" },
        { "lang", "ru-RU" },
        { "voice", "filipp" },
        { "folderId", folderId }
      };
      var content = new FormUrlEncodedContent(values);
      var response = await client.PostAsync("https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize", content);
      var responseBytes = await response.Content.ReadAsByteArrayAsync();
      File.WriteAllBytes("speech.ogg", responseBytes);
    }
  }
}

Где:

Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы отправляли запрос.

  1. Создайте файл, например test.py, и добавьте в него следующий код:

    import argparse
import requests

def synthesize(folder_id, iam_token, text):
   url = 'https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize'
   headers = {
       'Authorization': 'Bearer ' + iam_token,
   }

   data = {
       'text': text,
       'lang': 'ru-RU',
       'voice': 'filipp',
       'folderId': folder_id
   }

   with requests.post(url, headers=headers, data=data, stream=True) as resp:
       if resp.status_code != 200:
           raise RuntimeError("Invalid response received: code: %d, message: %s" % (resp.status_code, resp.text))

       for chunk in resp.iter_content(chunk_size=None):
           yield chunk

if __name__ == "__main__":
   parser = argparse.ArgumentParser()
   parser.add_argument("--token", required=True, help="IAM token")
   parser.add_argument("--folder_id", required=True, help="Folder id")
   parser.add_argument("--text", required=True, help="Text for synthesize")
   parser.add_argument("--output", required=True, help="Output file name")
   args = parser.parse_args()

   with open(args.output, "wb") as f:
       for audio_content in synthesize(args.folder_id, args.token, args.text):
           f.write(audio_content)

Где:

  1. Выполните созданный файл:

    export FOLDER_ID=<идентификатор_каталога>
export IAM_TOKEN=<IAM-токен>
python3 test.py
  --token ${IAM_TOKEN} \
  --folder_id ${FOLDER_ID} \
  --output speech.ogg \
  --text "Я Яндекс Спичк+ит. Я могу превратить любой текст в речь. Теперь и в+ы — можете!"

    Где:

    Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы выполняли файл.

Отправьте запрос на преобразование текста в речь:

<?php

$token = '<IAM-токен>'; # Укажите IAM-токен.
$folderId = "<идентификатор_каталога>"; # Укажите идентификатор каталога.

$url = "https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize";
$headers = ['Authorization: Bearer ' . $token];
$post = array(
    'text' => "Я Яндекс Спичк+ит. Я могу превратить любой текст в речь. Теперь и в+ы — можете!",
    'folderId' => $folderId,
    'lang' => 'ru-RU',
    'voice' => 'filipp');

$ch = curl_init();

curl_setopt($ch, CURLOPT_AUTOREFERER, TRUE);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, TRUE);
curl_setopt($ch, CURLOPT_HEADER, false);
if ($post !== false) {
    curl_setopt($ch, CURLOPT_POST, 1);
    curl_setopt($ch, CURLOPT_POSTFIELDS, $post);
}
curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);

$response = curl_exec($ch);
if (curl_errno($ch)) {
    print "Error: " . curl_error($ch);
}
if (curl_getinfo($ch, CURLINFO_HTTP_CODE) != 200) {
    $decodedResponse = json_decode($response, true);
    echo "Error code: " . $decodedResponse["error_code"] . "\r\n";
    echo "Error message: " . $decodedResponse["error_message"] . "\r\n";
} else {
    file_put_contents("speech.ogg", $response);
}
curl_close($ch);

Где:

Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы отправляли запрос.

Установите необходимые зависимости:

npm install --save axios form-data

Отправьте запрос на преобразование текста в речь:

import FormData from 'form-data';
import axios from 'axios';
import fs from 'node:fs';

const IAM_TOKEN = '<IAM_TOKEN>';
const FOLDER_ID = '<FOLDER_ID>';

const formData = new FormData();

formData.append('voice', 'filipp');
formData.append('text', 'Я Яндекс Спичк+ит. Я могу превратить любой текст в речь. Теперь и в+ы — можете!');
formData.append('lang', 'ru-RU');
formData.append('folderId', FOLDER_ID);

const headers = {
  Authorization: `Bearer ${IAM_TOKEN}`,
  ...formData.getHeaders(),
};

axios
  .post('https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize', formData, {
    headers,
    responseType: 'arraybuffer'
  })
  .then(response => fs.writeFileSync('speech.ogg', response.data));

Где:

Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы отправляли запрос.

См. также

Предыдущая
Синтез речи в формате WAV — API v1
Следующая
Синтез речи из текста SSML — API v1