TTS дегеніміз не?

"TTS" дегеніміз "Text-to-Speech" қысқартылған атауы, яғни "мәтінді сөзге айналдыру" дегенді білдіреді. Бұл технология мәтінді оқып, оны адам сөйлегендей табиғи дауыспен сөйлеуге мүмкіндік береді. TTS жүйелері әртүрлі қосымшаларда қолданылады, мысалы, электронды кітап оқушыларда, навигация жүйелерінде, көмекші роботтарда және мүгедек адамдарға арналған технологияларда. Бұл жүйелер компьютерлік алгоритмдерді қолданып, мәтінді дауысқа айналдыру үшін тілдік ерекшеліктерді, интонацияны және сөйлеу темпін ескереді..

Дауыстар

Біздің сөйлеу моделіміздің күшті жақтарының бірі-оның табиғи дыбысы мен интонациясы. Синтезделген дыбыста жасанды қателер болуы мүмкін болса да, сөйлемдер сөйлеу синтезінің алдыңғы әдістерімен салыстырғанда айтарлықтай аз роботты болып көрінеді.

Қазақ тілінің ең жағымды спикерлері

Әйелдер дауыстары

Раушан

Айгүл


Ерлер дауыстары

Арман

Думан

API арқылы қосылу

Text-to-Speech API

Мәтіннен сөйлеуге түрлендіруге арналған API әр түрлі дауыстық модельдерді қолдана отырып, мәтінді сөйлеуге мүмкіндік береді. Ол аудионы синтездеу жасау үшін GET және POST өтінім түрлерін ұсынады.

Негізгі URL

http://api.tilqazyna.kz/

Өтінім түрлері

Мәтінді сөйлеуге түрлендіру (POST)

Берілген дауыстық модельді қолдана отырып, берілген мәтінді сөйлеуге түрлендіреді.

POST /api/tts

Сұрау денесі

Сұрау денесі келесі сипаттары бар JSON нысаны болуы керек:

  • text (string, required): Сөйлеуге түрлендірілетін мәтін.
  • voice (string, optional): Сөйлеу синтезі үшін қолданылатын дауыс үлгісі. Берілмеген болса, әдепкі дауыс үлгісі пайдаланылады.
Мысалы

json { "text": "Сәлем, әлем!", "voice": "kk-issai-high.onnx" }

Жауап

  • Status Code: 200 (OK)
  • Content-Type: audio/wav

Жауап синтезделген WAV форматындағы аудио файл болады.

Жауап өтінімі

``` HTTP/1.1 200 OK Content-Type: audio/wav Content-Length:

```

Мәтінді сөйлеуге түрлендіру (GET)

Берілген дауыстық модельді қолдана отырып, берілген мәтінді сөйлеуге түрлендіреді.

GET /api/tts?text=<text>&voice=<voice>

Параметрлер

  • text (string, required): Сөйлеуге айналатын мәтін.
  • voice (string, optional): Сөйлеуді синтездеу үшін қолданылатын дауыстық модель. Егер көрсетілмесе, әдепкі дауыстық модель қолданылады.

Response

  • Status Code: 200 (OK)
  • Content-Type: audio/wav

Жауап синтезделген сөйлеуді қамтитын WAV форматындағы аудио файл болады.

Мысалы

``` HTTP/1.1 200 OK Content-Type: audio/wav Content-Length:

```

Қол жетімді дауыстар тізімін алу

Сөйлеуді синтездеу үшін қолдануға болатын қол жетімді дауыстық модельдердің тізімін шығарады.

GET /api/voices

Жауап

  • Status Code: 200 (OK)
  • Content-Type: application/json

Жауап қол жетімді дауыстық модельдердің атауларын қамтитын JSON массиві болады.

Мысалы

``` HTTP/1.1 200 OK Content-Type: application/json Content-Length:

[ "en-us-libritts-high.onnx", "en-us-libritts-low.onnx", ... ] ```

Қате жауаптары

Қателер болған жағдайда API жауап мәтініндегі қате туралы хабармен бірге сәйкес HTTP күй кодын қайтарады.

  • Status Code: 400 (Bad Request)
  • Content-Type: text/plain

``` HTTP/1.1 400 Bad Request Content-Type: text/plain

Error parsing JSON: Invalid request body ```

  • Status Code: 500 (Internal Server Error)
  • Content-Type: text/plain

``` HTTP/1.1 500 Internal Server Error Content-Type: text/plain

Error running executable: Failed to start speech synthesis process ```