Személyes hang használata az alkalmazásban

A személyes hanghoz tartozó beszélőprofil-azonosítóját használva szintetizálhatja a beszédet a több mint 100 helyi beállítással támogatott 91 nyelv bármelyikén. Nincs szükség területi címke megadására. A személyes hang automatikus nyelvfelismerést használ a mondat szintjén.

Személyes hang integrálása az alkalmazásban

A személyes hang alkalmazásbeli használatához beszédszintézis-jelölőnyelvet (SSML) kell használnia. Az SSML egy XML-alapú korrektúranyelv, amely szabványos módot biztosít a szöveg megjelölésére a szintetikus beszéd előállításához. Az SSML-címkék a beszédszintézis kimenetének kiejtését, mennyiségét, hangmagasságát, sebességét és egyéb attribútumait szabályozzák.

  • Az speakerProfileId SSML tulajdonság a személyes hang beszélőprofil-azonosítójának megadására szolgál.

  • A hangnév az SSML tulajdonságában name van megadva. Személyes hang esetén a hangnévnek az egyik támogatott alapmodell-hangnévnek kell lennie. A támogatott alapmodell-hangnevek listájának lekéréséhez használja az egyéni hang API BaseModels_List műveletét.

Ez a táblázat a különböző alapmodellek előnyeit mutatja be:

Alapmodell Főbb jellemzők Latency
DragonLatestNeural Jó hasonlóság a felvételhez. 500 ms
DragonHDOmniLatestNeural Természetes prosodia, stílus és paralinguisztika ellenőrzés. Például:
[laughter] Don't worry—we'll get you a table, no problem! [Sad] Don't worry—we'll get you a table, no problem!
Tekintse meg a támogatott stílusokat és a paralinguisztikus stílusokat.
300 ms
MAI-Voice-2 Nagy hűség, kifejező. Több mint 10 nyelven támogatja a többnyelvű szintézist. 1600 ms
PhoenixLatestNeural Pontos kiejtés, kisebb késés. 200 ms

Megjegyzés

A (például Latest vagy DragonLatestNeural) címkével PhoenixLatestNeuralellátott hangnevek időről időre frissülnek; teljesítménye a folyamatos fejlesztésekhez szükséges frissítésektől függően változhat. Ha rögzített verziót szeretne használni, válasszon egy verziószámmal ellátottat, például PhoenixV2Neural.

Íme egy példasor a SSML-re egy hangnévvel és beszélőprofil-azonosítóval rendelkező szöveg-beszéd iránti kérésben. A minta azt is bemutatja, hogyan válthatunk nyelveket en-US-ról zh-HK-re az <lang xml:lang> elem használatával.

<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xmlns:mstts='http://www.w3.org/2001/mstts' xml:lang='en-US'>
    <voice name='DragonLatestNeural'> 
        <mstts:ttsembedding speakerProfileId='your speaker profile ID here'> 
            I'm happy to hear that you find me amazing and that I have made your trip planning easier and more fun. 
            <lang xml:lang='zh-HK'>我很高興聽到你覺得我很了不起,我讓你的旅行計劃更輕鬆、更有趣。</lang>
        </mstts:ttsembedding> 
    </voice> 
</speak>

Az SSML a Speech SDK-val vagy a REST API-val használható.

  • Valós idejű beszédszintézis: A Speech SDK vagy a REST API használatával szöveget beszéddé alakíthat.
    • A Speech SDK használatakor ne állítsa be a végpontazonosítót, hasonlóan, mint az előre konfigurált hang esetén.
    • A REST API használatakor használja a standard hangvégpontot.

A személyes hang támogatott és nem támogatott SSML-elemei

A Phoenix- és Dragon-modellek támogatott és nem támogatott SSML-elemeiről az alábbi táblázatban talál részletes információt. Az SSML-elemek használatára vonatkozó utasításokért tekintse meg az SSML-dokumentum struktúráját és eseményeit.

Elem Leírás A Phoenixben támogatott Támogatott a Dragonban
<voice> Megadja a hang- és választható effektusokat (eq_car és eq_telecomhp8k). Igen Igen
<mstts:express-as> Beszédstílusokat és szerepköröket határoz meg. Nem Nem
<mstts:ttsembedding> speakerProfileId A személyes hang tulajdonságát adja meg. Igen Igen
<lang xml:lang> Megadja a beszélő nyelvet. Igen Igen
<prosody> Beállítja a hangmagasságot, a körvonalat, a tartományt, a sebességet és a hangerőt.
   pitch A szöveg alaphangját jelzi. Nem Nem
   contour A hangmagasság változásait jelöli. Nem Nem
   range A szöveg hangmagasságtartományát jelöli. Nem Nem
   rate A szöveg beszédarányát jelzi. Igen Igen
   volume A beszélő hang hangerejét jelzi. Nem Nem
<emphasis> Hozzáadja vagy eltávolítja a szöveg szószintű terhelését. Nem Nem
<audio> Előre felvett hang beágyazása SSML-dokumentumba. Igen Nem
<mstts:audioduration> A kimeneti hang időtartamát adja meg. Nem Nem
<mstts:backgroundaudio> Háttérhangot ad hozzá az Ön SSML-dokumentumaihoz, vagy hangfájlt kever szöveg-beszéddel. Igen Nem
<phoneme> Fonetikus kiejtést ad meg az SSML-dokumentumokban.
   ipa Az egyik fonetikus ábécé. Igen Nem
   sapi Az egyik fonetikus ábécé. Nem Nem
   ups Az egyik fonetikus ábécé. Igen Nem
   x-sampa Az egyik fonetikus ábécé. Igen Nem
<lexicon> Meghatározza, hogy az SSML-ben több entitást hogyan olvasnak be. Igen Igen (csak támogatási alias)
<say-as> Az elem szövegének tartalomtípusát (például számot vagy dátumot) jelzi. Igen Igen
<sub> Azt jelzi, hogy az alias attribútum szöveges értékét az elem zárt szövege helyett ki kell ejteni. Igen Igen
<math> A MathML-et használja bemeneti szövegként a matematikai jelölések helyes kiejtéséhez a kimeneti hangban. Igen Nem
<bookmark> Lekéri az egyes jelölők eltolódását a hangstreamben. Igen Nem
<break> Felülbírálja a szavak közötti töréspontok vagy szünetek alapértelmezett kezelését. Igen Igen
<mstts:silence> Szünetek szúródnak be a szöveg elé vagy után, illetve két szomszédos mondat közé. Igen Nem
<mstts:viseme> Meghatározza az arc és a száj helyzetét, miközben egy személy beszél. Igen Nem
<p> Bekezdéseket jelöl az SSML-dokumentumokban. Igen Igen
<s> Mondatokat jelöl az SSML-dokumentumokban. Igen Igen

A személyes hang támogatott és nem támogatott SDK-funkciói

Az alábbi táblázat ismerteti, hogy mely SDK-funkciók támogatottak a Phoenix- és Dragon-modellek esetében. Egy Python példa: Feliratkozás szintetizátoreseményekre.

SDK-funkciók Leírás Támogatott a Phoenixben Támogatott a Dragonban
Szóhatár Azt jelzi, hogy a szóhatárok a szintézis során érkeztek meg, pontos szóidőzítést biztosítva a beszédszintézis során. Igen Nem
Viseme-események Információkat biztosít a viszémákról (ajkak, állkapocs és nyelv mozgása) a szintézis során, lehetővé téve a vizuális szinkronizálást. Igen Nem

Referenciadokumentáció

Következő lépések