Usar a API de conversão de texto em fala

  • 4 minutos

Da mesma forma que suas APIs de fala para texto , o serviço Azure AI Speech oferece outras APIs REST para síntese de fala:

  • A API de conversão de texto em fala , que é a principal maneira de realizar a síntese de fala.
  • A API de síntese em lote, que é projetada para suportar operações em lote que convertem grandes volumes de texto em áudio - por exemplo, para gerar um audiolivro a partir do texto de origem.

Você pode saber mais sobre as APIs REST na documentação da API REST de texto para fala. Na prática, a maioria dos aplicativos habilitados para fala interativos usa o serviço de Fala do Azure AI por meio de um SDK específico de linguagem (de programação).

Usando o SDK de Fala do Azure AI

Assim como acontece com o reconhecimento de fala, na prática, a maioria dos aplicativos habilitados para fala interativos são criados usando o SDK de Fala do Azure AI.

O padrão para implementar a síntese de fala é semelhante ao do reconhecimento de fala:

A diagram showing how a SpeechSynthesizer object is created from a SpeechConfig and AudioConfig, and its SpeakTextAsync method is used to call the Speech API.

  1. Use um objeto SpeechConfig para encapsular as informações necessárias para se conectar ao seu recurso Azure AI Speech. Especificamente, a sua localização e chave.
  2. Opcionalmente, use um AudioConfig para definir o dispositivo de saída para a fala a ser sintetizada. Por padrão, esse é o alto-falante padrão do sistema, mas você também pode especificar um arquivo de áudio ou, definindo explicitamente esse valor como um valor nulo, você pode processar o objeto de fluxo de áudio que é retornado diretamente.
  3. Use o SpeechConfig e AudioConfig para criar um objeto SpeechSynthesizer. Este objeto é um cliente proxy para a API de conversão de texto em fala .
  4. Use os métodos do objeto SpeechSynthesizer para chamar as funções subjacentes da API. Por exemplo, o método SpeakTextAsync() usa o serviço Azure AI Speech para converter texto em áudio falado.
  5. Processe a resposta do serviço Azure AI Speech. No caso do método SpeakTextAsync , o resultado é um objeto SpeechSynthesisResult que contém as seguintes propriedades:
    • AudioData
    • Propriedades
    • Razão
    • ResultId

Quando a fala foi sintetizada com êxito, a propriedade Reason é definida como a enumeração SynthesizingAudioCompleted e a propriedade AudioData contém o fluxo de áudio (que, dependendo do AudioConfig pode ter sido enviado automaticamente para um alto-falante ou arquivo).