Metin okuma için toplu sentez özellikleri

Makale
04/07/2024

Önemli

Batch sentez API'sini genel olarak kullanabilirsiniz. Uzun Ses API'si 1 Nisan 2027'de kullanımdan kaldırılacaktır. Daha fazla bilgi için bkz . Toplu sentez API'sine geçiş.

Batch sentez API'si, büyük miktarda metin girişini (uzun ve kısa) zaman uyumsuz olarak sentezleyebilir. Yayımcılar ve ses içeriği platformları toplu olarak uzun ses içeriği oluşturabilir. Örneğin: sesli kitaplar, haber makaleleri ve belgeler. Toplu sentez API'si 10 dakikadan daha uzun bir şekilde sentezlenmiş ses oluşturabilir.

Yeni bir toplu sentez işi oluşturduğunuzda JSON biçimindeki bazı özellikler gereklidir. Diğer özellikler isteğe bağlıdır. Toplu sentez yanıtı, sentez durumu ve sonuçları hakkında bilgi sağlamak için diğer özellikleri içerir. Örneğin özelliği, outputs.result ses çıkışı ve günlükleri içeren toplu sentez sonuç dosyalarının konumunu içerir.

Toplu sentez özellikleri

Toplu sentez özellikleri aşağıdaki tabloda açıklanmıştır.

Özellik	Açıklama
`createdDateTime`	Toplu sentez işinin oluşturulduğu tarih ve saat. Bu özellik salt okunur durumdadır.
`customVoices`	Özel ses adının ve dağıtım kimliğinin haritası. Örneğin: `"customVoices": {"your-custom-voice-name": "502ac834-6537-4bc3-9fd6-140114daa66d"}` Ses adını kendinizde `synthesisConfig.voice` ( `inputKind` olarak ayarlandığında `"PlainText"`) veya SSML metninde `inputs` ( `inputKind` olarak ayarlandığında `"SSML"`) kullanabilirsiniz. Bu özellik, özel bir ses kullanmak için gereklidir. Burada tanımlanmayan özel bir ses kullanmaya çalışırsanız hizmet bir hata döndürür.
`description`	Toplu sentezin açıklaması. Bu özellik isteğe bağlıdır.
`id`	Yolda geçtiğiniz toplu sentez işi kimliği. Bu özellik yolda gereklidir.
`inputs`	Sentezlenecek düz metin veya SSML. `inputKind` olarak ayarlandığında`"PlainText"`, burada gösterildiği gibi düz metin sağlayın: `"inputs": [{"text": "The rainbow has seven colors."}]`. olarak ayarlandığında`"SSML"`, burada gösterildiği gibi Konuşma Sentezi Biçimlendirme Dili'nde (SSML) metin sağlayın: `"inputs": [{"text": "<speak version='\''1.0'\'' xml:lang='\''en-US'\''><voice xml:lang='\''en-US'\'' xml:gender='\''Female'\'' name='\''en-US-AvaMultilingualNeural'\''>The rainbow has seven colors.</voice></speak>"}]`.`inputKind` Birden çok ses çıkış dosyası istiyorsanız en fazla 1.000 metin nesnesi ekleyin. İki ses çıkış dosyası olarak sentezlenmesi gereken örnek giriş metni aşağıda verilmişti: `"inputs": [{"text": "synthesize this to a file"},{"text": "synthesize this to another file"}]`. Ancak özelliği olarak ayarlanırsa `properties.concatenateResulttrue`, sentezlenen her sonuç aynı ses çıkış dosyasına yazılır. Yeni paragraflar için ayrı metin girişlerine ihtiyacınız yoktur. Herhangi bir (en fazla 1.000) metin girişi içinde, "\r\n" (yeni satır) dizesini kullanarak yeni paragraflar belirtebilirsiniz. Aynı ses çıkış dosyasına sentezlenmesi gereken iki paragraf içeren örnek giriş metni aşağıda verilmiştir: `"inputs": [{"text": "synthesize this to a file\r\nsynthesize this to another paragraph in the same file"}]` Paragraf sınırı yoktur, ancak en fazla JSON yükü boyutu (tüm metin girişleri ve diğer özellikler dahil) 500 kilobayttır. Yeni bir toplu sentez işi oluşturduğunuzda bu özellik gereklidir. Sentez işini aldığınızda bu özellik yanıta dahil değildir.
`internalId`	İç toplu iş sentezi iş kimliği. Bu özellik salt okunur durumdadır.
`lastActionDateTime`	Özellik değerinin `status` değiştirildiği en son tarih ve saat. Bu özellik salt okunur durumdadır.
`outputs.result`	Ses çıkışı ve günlükleri içeren toplu sentez sonuç dosyalarının konumu. Bu özellik salt okunur durumdadır.
`properties`	İsteğe bağlı toplu sentez yapılandırma ayarları kümesi.
`properties.sizeInBytes`	Bayt cinsinden ses çıkış boyutu. Bu özellik salt okunur durumdadır.
`properties.billingDetails`	Tarafından işlenen ve faturalandırılan `customNeuralCharactersneuralCharacters` sözcüklerin ve (önceden oluşturulmuş) seslerin sayısı. Bu özellik salt okunur durumdadır.
`properties.concatenateResult`	Sonucun birleşip birleşmeyeceğini belirler. Bu isteğe bağlı `bool` değer ("true" veya "false") varsayılan olarak "false" olur.
`properties.decompressOutputFiles`	Hedef kapsayıcıda sentez sonuç dosyalarının sıkıştırmasının açılıp açılıp açmayacağını belirler. Bu özellik yalnızca özellik ayarlandığında `destinationContainerUrl` ayarlanabilir. Bu isteğe bağlı `bool` değer ("true" veya "false") varsayılan olarak "false" olur.
`properties.destinationContainerUrl`	Toplu sentez sonuçları yazılabilir bir Azure kapsayıcısında depolanabilir. Paylaşılan erişim imzaları (SAS) belirteciyle bir kapsayıcı URI'sini belirtmezseniz Konuşma hizmeti sonuçları Microsoft tarafından yönetilen bir kapsayıcıda depolar. Depolanan erişim ilkelerine sahip SAS desteklenmez. Sentez işi silindiğinde sonuç verileri de silinir. Bu isteğe bağlı özellik, sentez işini aldığınızda yanıta dahil değildir.
`properties.destinationPath`	Toplu sentez sonuçlarının depolanabildiği ön ek yolu. Ön ek yolu belirtmezseniz, varsayılan ön ek yolu olur `YourSpeechResourceId/YourSynthesisId`. Bu isteğe bağlı özellik yalnızca özellik ayarlandığında ayarlanabilir `destinationContainerUrl` .
`properties.durationInMilliseconds`	Milisaniye cinsinden ses çıkış süresi. Bu özellik salt okunur durumdadır.
`properties.failedAudioCount`	Ses çıkışına toplu sentez girişlerinin sayısı başarısız oldu. Bu özellik salt okunur durumdadır.
`properties.outputFormat`	Ses çıkış biçimi. Kabul edilen değerler hakkında bilgi için bkz . ses çıkış biçimleri. Varsayılan çıkış biçimi `riff-24khz-16bit-mono-pcm`.
`properties.sentenceBoundaryEnabled`	Tümce sınırı verilerinin oluşturulup oluşturulmayacağını belirler. Bu isteğe bağlı `bool` değer ("true" veya "false") varsayılan olarak "false" olur. Tümce sınırı verileri istenirse sonuç verileri ZIP dosyasına karşılık gelen `[nnnn].sentence.json` bir dosya eklenir.
`properties.succeededAudioCount`	Ses çıkışına toplu sentez girişlerinin sayısı başarılı oldu. Bu özellik salt okunur durumdadır.
`properties.timeToLiveInHours`	Sentez işi oluşturulduktan sonra, sentez sonuçlarının otomatik olarak silineceği saat cinsinden bir süre. Bu isteğe bağlı ayar `744` varsayılan olarak (31 gündür). Maksimum yaşam süresi 31 gündür. Otomatik silme tarihi ve saati ("Başarılı" veya "Başarısız" durumundaki sentez işleri için) özelliklere `lastActionDateTime` + `timeToLiveInHours` eşittir. Aksi takdirde, işi daha erken kaldırmak için silme sentezi yöntemini çağırabilirsiniz.
`properties.wordBoundaryEnabled`	Sözcük sınırı verilerinin oluşturulup oluşturulmayacağını belirler. Bu isteğe bağlı `bool` değer ("true" veya "false") varsayılan olarak "false" olur. Sözcük sınırı verileri istenirse sonuç verileri ZIP dosyasına karşılık gelen `[nnnn].word.json` bir dosya eklenir.
`status`	Toplu sentez işleme durumu. Durum "NotStarted" yerine "Çalışıyor" durumuna ve son olarak "Başarılı" veya "Başarısız" durumuna geçmelidir. Bu özellik salt okunur durumdadır.
`synthesisConfig`	Düz metnin toplu sentezi için kullanılacak yapılandırma ayarları. Bu özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.backgroundAudio`	Her ses çıkışı için arka plan sesi. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.backgroundAudio.fadein`	Arka plan sesinin süresi milisaniye olarak kaybolur. Varsayılan değer, `0`belirmemeye eşdeğer olan değeridir. Kabul edilen değerler: `0` dahil olmak üzere `10000` . Bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerinde arka plan sesi ekleme altındaki öznitelikler tablosuna bakın. Geçersiz değerler yoksayılır. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.backgroundAudio.fadeout`	Arka plan sesinin süresi milisaniye cinsinden kaybolur. Varsayılan değer, `0`belirmemeye eşdeğer olan değeridir. Kabul edilen değerler: `0` dahil olmak üzere `10000` . Bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerinde arka plan sesi ekleme altındaki öznitelikler tablosuna bakın. Geçersiz değerler yoksayılır. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.backgroundAudio.src`	Arka plan ses dosyasının URI konumu. Bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerinde arka plan sesi ekleme altındaki öznitelikler tablosuna bakın. Geçersiz değerler yoksayılır. Bu özellik ayarlandığında gereklidir `synthesisConfig.backgroundAudio` .
`synthesisConfig.backgroundAudio.volume`	Arka plan ses dosyasının ses düzeyi. Kabul edilen değerler: `0` dahil olmak üzere `100` . Varsayılan değer şudur: `1`. Bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerinde arka plan sesi ekleme altındaki öznitelikler tablosuna bakın. Geçersiz değerler yoksayılır. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.pitch`	Ses çıkışının perdesi. Kabul edilen değerler hakkında bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerindeki prosody tablosunu ayarlama konusuna bakın. Geçersiz değerler yoksayılır. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.rate`	Ses çıkışının hızı. Kabul edilen değerler hakkında bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerindeki prosody tablosunu ayarlama konusuna bakın. Geçersiz değerler yoksayılır. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.role`	Bazı sesler için konuşma rol oyununu ayarlayabilirsiniz. Ses farklı bir yaşı ve cinsiyeti taklit edebilir, ancak ses adı değiştirilmez. Örneğin, bir erkek sesi sesi yükseltebilir ve tonlamayı kadın sesini taklit etmek için değiştirebilir, ancak ses adı değiştirilmez. Rol eksikse veya sesinizde desteklenmiyorsa, bu öznitelik yoksayılır. Ses başına kullanılabilir stiller hakkında daha fazla bilgi için bkz . ses stilleri ve roller. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.speakerProfileId`	Kişisel bir sesin konuşmacı profili kimliği. Kullanılabilir kişisel ses tabanı model adları hakkında bilgi için bkz . Kişisel sesi tümleştirme. Konuşmacı profili kimliğini alma hakkında bilgi için bkz . dil ve ses desteği. bu özellik olarak ayarlandığında `"PlainText"`gereklidir`inputKind`.
`synthesisConfig.style`	Bazı sesler için, neşelilik, empati ve sakinlik gibi farklı duyguları ifade etmek için konuşma stilini ayarlayabilirsiniz. Sesi müşteri hizmetleri, haber yayını ve sesli yardımcı gibi farklı senaryolar için iyileştirebilirsiniz. Ses başına kullanılabilir stiller hakkında daha fazla bilgi için bkz . ses stilleri ve roller. Bu isteğe bağlı özellik yalnızca ayarlandığında geçerlidir `synthesisConfig.style` .
`synthesisConfig.styleDegree`	Konuşma stilinin yoğunluğu. Konuşmayı daha etkileyici veya alt düzey yapmak için daha güçlü veya daha yumuşak bir stil belirtebilirsiniz. Kabul edilen değerler aralığı şunlardır: 0,01 ile 2 (dahil). Varsayılan değer 1'dir ve bu da önceden tanımlanmış stil yoğunluğu anlamına gelir. Minimum birim 0,01'dir ve bu da hedef stil için hafif bir eğilimle sonuçlanır. 2 değeri, varsayılan stil yoğunluğunun iki katına çıkar. Stil derecesi eksikse veya sesinizde desteklenmiyorsa, bu öznitelik yoksayılır. Ses başına kullanılabilir stiller hakkında daha fazla bilgi için bkz . ses stilleri ve roller. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`synthesisConfig.voice`	Ses çıkışını konuşan ses. Önceden oluşturulmuş nöral sesler hakkında daha fazla bilgi için bkz . dil ve ses desteği. Özel ses kullanmak için özelliğinde geçerli bir özel ses ve dağıtım kimliği eşlemesi `customVoices` belirtmeniz gerekir. Kişisel bir ses kullanmak için özelliğini belirtmeniz `synthesisConfig.speakerProfileId` gerekir. bu özellik olarak ayarlandığında `"PlainText"`gereklidir`inputKind`.
`synthesisConfig.volume`	Ses çıkışının ses düzeyi. Kabul edilen değerler hakkında bilgi için Konuşma Sentezi biçimlendirme dili (SSML) belgelerindeki prosody tablosunu ayarlama konusuna bakın. Geçersiz değerler yoksayılır. Bu isteğe bağlı özellik yalnızca olarak ayarlandığında `"PlainText"`geçerlidir`inputKind`.
`inputKind`	Metin özelliğinin `inputs` düz metin mi yoksa SSML mi olması gerektiğini gösterir. Olası büyük/küçük harfe duyarsız değerler "PlainText" ve "SSML" değerleridir. `inputKind` olarak ayarlandığında`"PlainText"`, ses özelliğini de ayarlamanız `synthesisConfig` gerekir. Bu özellik gereklidir.

Toplu sentez gecikme süresi ve en iyi yöntemler

Sentezlenmiş konuşma oluşturmak için toplu sentez kullanılırken, söz konusu gecikme süresini göz önünde bulundurmak ve en iyi sonuçları elde etmek için en iyi yöntemleri izlemek önemlidir.

Toplu sentezde gecikme süresi

Toplu sentezdeki gecikme süresi, giriş metninin karmaşıklığı, toplu işlemdeki girişlerin sayısı ve temel alınan donanımın işleme özellikleri gibi çeşitli faktörlere bağlıdır.

Toplu sentez için gecikme süresi aşağıdaki gibidir (yaklaşık):

Sentezlenen konuşma çıkışlarının %50'sinin gecikme süresi 10-20 saniye arasındadır.
Sentezlenen konuşma çıkışlarının %95'inin gecikme süresi 120 saniye içindedir.

En iyi yöntemler

Uygulamanız için toplu sentezi göz önünde bulundururken gecikme süresinin gereksinimlerinizi karşılayıp karşılamadığını değerlendirmeniz önerilir. Gecikme süresi istediğiniz performansla uyumluysa, toplu sentez uygun bir seçim olabilir. Ancak gecikme süresi gereksinimlerinizi karşılamıyorsa gerçek zamanlı API kullanmayı düşünebilirsiniz.

HTTP durum kodu

bölümünde toplu sentez API'sinden http yanıt kodları ve iletileri ayrıntılı olarak verilmiştir.

HTTP 200 Tamam

HTTP 200 Tamam, isteğin başarılı olduğunu gösterir.

HTTP 201 Oluşturuldu

HTTP 201 Created, toplu sentez oluşturma isteğinin (HTTP POST aracılığıyla) başarılı olduğunu gösterir.

HTTP 204 hatası

HTTP 204 hatası isteğin başarılı olduğunu ancak kaynağın mevcut olmadığını gösterir. Örneğin:

Var olmayan bir sentez işini almaya veya silmeye çalıştınız.
Bir sentez işini başarıyla sildiyseniz.

HTTP 400 hatası

Aşağıda 400 hatasına neden olabilecek örnekler verilmiştir:

outputFormat desteklenmiyor veya geçersiz. Geçerli bir biçim değeri sağlayın veya varsayılan ayarı kullanmak için boş bırakın outputFormat .
İstenen metin girişi sayısı 10.000 sınırını aştı.
Geçersiz bir dağıtım kimliği veya başarıyla dağıtılmayan özel bir ses kullanmayı denediniz. Konuşma kaynağının özel sese erişimi olduğundan ve özel sesin başarıyla dağıtıldığından emin olun. Toplu sentez isteğinizde eşlemesinin {"your-custom-voice-name": "your-deployment-ID"} doğru olduğundan da emin olmanız gerekir.
F0 Konuşma kaynağını kullanmayı denediniz, ancak bölge yalnızca Standart Konuşma kaynağı fiyatlandırma katmanını destekliyor.

HTTP 404 hatası

Belirtilen varlık bulunamıyor. Sentez kimliğinin doğru olduğundan emin olun.

HTTP 429 hatası

Çok fazla son istek var. Her istemci uygulaması, her Konuşma kaynağı için 10 saniye başına en fazla 100 istek gönderebilir. Saniye başına istek sayısını azaltın.

HTTP 500 hatası

HTTP 500 İç Sunucu Hatası, isteğin başarısız olduğunu gösterir. Yanıt gövdesi hata iletisini içerir.

HTTP hata örneği

burada bir http 400 hatasına neden olan örnek bir istek verilmiştir, çünkü inputs özellik bir iş oluşturmak için gereklidir.

curl -v -X PUT -H "Ocp-Apim-Subscription-Key: YourSpeechKey" -H "Content-Type: application/json" -d '{
    "inputKind": "SSML"
}'  "https://YourSpeechRegion.api.cognitive.microsoft.com/texttospeech/batchsyntheses/YourSynthesisId?api-version=2024-04-01"

Bu durumda, yanıt üst bilgileri içerir HTTP/1.1 400 Bad Request.

Yanıt gövdesi aşağıdaki JSON örneğine benzer:

{
  "error": {
    "code": "BadRequest",
    "message": "The inputs is required."
  }
}

Aracılığıyla paylaş