使用 Docker 的文字轉換語音容器

文章
10/16/2024

神經文字轉換語音容器會使用深度神經網路技術將文字轉換成自然發音語音，使語音合成更自然。在本文中，您會了解如何下載、安裝及執行文字轉換語音容器。

如需必要條件、驗證容器正在執行、在相同主機上執行多個容器，以及執行中斷連線容器的詳細資訊，請參閱使用 Docker 安裝及執行語音容器。

容器映像

您可以在 Microsoft Container Registry (MCR) 同步發行中找到所有支援版本和地區設定的神經文字轉換語音容器映像。其位於 azure-cognitive-services/speechservices/ 存放庫內，並命名為 neural-text-to-speech。

完整的容器映像名稱為 mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech。附加特定版本或附加 :latest 以取得最新版本。

版本	Path
最新	`mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech:latest` `latest` 標籤會提取 `en-US` 地區設定和 `en-us-arianeural` 語音。
3.5.0	`mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech:3.5.0-amd64-en-us-arianeural`

除了 latest 以外的所有標籤都採用下列格式，而且會區分大小寫：

<major>.<minor>.<patch>-<platform>-<voice>-<preview>

為了方便起見，標籤也以 JSON 格式提供。本文包含容器路徑和標籤清單。標籤不會依版本排序，但 "latest" 一律會包含在清單結尾，如下列程式碼片段所示：

{
  "name": "azure-cognitive-services/speechservices/neural-text-to-speech",
  "tags": [
    <--redacted for brevity-->
    "3.5.0-amd64-uk-ua-ostapneural",
    "3.5.0-amd64-zh-cn-xiaochenneural-preview",
    "3.5.0-amd64-zh-cn-xiaohanneural",
    "3.5.0-amd64-zh-cn-xiaomoneural",
    "3.5.0-amd64-zh-cn-xiaoqiuneural-preview",
    "3.5.0-amd64-zh-cn-xiaoruineural",
    "3.5.0-amd64-zh-cn-xiaoshuangneural-preview",
    "3.5.0-amd64-zh-cn-xiaoxiaoneural",
    "3.5.0-amd64-zh-cn-xiaoyanneural-preview",
    "3.5.0-amd64-zh-cn-xiaoyouneural",
    "3.5.0-amd64-zh-cn-yunxineural",
    "3.5.0-amd64-zh-cn-yunyangneural",
    "3.5.0-amd64-zh-cn-yunyeneural",
    "latest"
  ]
}

重要

我們已於 2021 年 8月 31 日淘汰標準語音合成語音和標準文字轉換語音容器。您應該改為搭配神經文字轉換語音容器 3.0 版和更高版本使用神經語音。

從 2024 年 2 月 29 日起，不支援文字轉換語音和神經文字轉換語音容器 2.19 版和更早版本。如需更新應用程式的詳細資訊，請參閱從標準語音移轉至預建神經語音。

使用 docker pull 取得容器映像

您需要必要條件，包括必要的硬體。另請參閱每個語音容器的建議資源配置。

使用 docker pull 命令，從 Microsoft Container Registry下載容器映像：

docker pull mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech:latest

重要

latest 標籤會提取 en-US 地區設定和 en-us-arianeural 語音。如需其他地區設定和語音，請參閱文字轉換語音容器映像。

使用 docker run 執行容器

將 docker run 命令執行容器。

神經文字轉換語音
中斷連線的神經文字轉換語音

下表代表各種 docker run 參數及其對應的描述：

參數	描述
`{ENDPOINT_URI}`	計量和帳單需要端點。如需詳細資訊，請參閱計費引數。
`{API_KEY}`	API 金鑰是必要的。如需詳細資訊，請參閱計費引數。

當您執行文字轉換語音容器時，請根據文字轉換語音容器需求和建議，設定連接埠、記憶體和 CPU。

以下為具有預留位置值的範例 docker run 命令。您必須指定 ENDPOINT_URI 和 API_KEY 值：

docker run --rm -it -p 5000:5000 --memory 12g --cpus 6 \
mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

此命令：

從容器映像執行神經文字轉換語音容器。
配置 6 個 CPU 核心和 12 GB 的記憶體。
公開 TCP 通訊埠 5000，並為容器配置虛擬 TTY。
在容器結束之後自動將其移除。容器映像仍可在主機電腦上使用。

若要執行中斷連線的容器 (未連線到網際網路)，您必須提交此要求表單，並等候核准。如需在中斷連線的環境中套用及購買承諾用量方案以使用容器的詳細資訊，請參閱 Azure AI 服務文件中的在中斷連線的環境中使用容器。

如果您獲核准執行與網際網路中斷連線的容器，下列範例顯示所要使用 docker run 命令的格式設定以及預留位置值。以您自己的值取代這些預留位置值。

docker run 命令中的 DownloadLicense=True 參數會下載授權檔案，以利讓 Docker 容器在未連線至網際網路時執行。它還包含到期日，該日期後，授權檔案將無法執行容器。您只能搭配核准的適當容器使用授權檔案。例如，您無法搭配 neural-text-to-speech 容器使用 speech-to-text 容器的授權檔案。

預留位置	描述
`{IMAGE}`	您想要使用的容器映像。例如：`mcr.microsoft.com/azure-cognitive-services/neural-text-to-speech:latest`
`{LICENSE_MOUNT}`	下載和裝載授權的路徑。例如：`/host/license:/path/to/license/directory`
`{ENDPOINT_URI}`	用於驗證服務要求的端點。在 Azure 入口網站上，您可以在資源的 [金鑰和端點] 頁面上找到金鑰。例如：`https://<your-resource-name>.cognitiveservices.azure.com`
`{API_KEY}`	語音資源的金鑰。在 Azure 入口網站上，您可以在資源的 [金鑰和端點] 頁面上找到金鑰。
`{CONTAINER_LICENSE_DIRECTORY}`	容器本機檔案系統上的授權資料夾位置。例如：`/path/to/license/directory`

docker run --rm -it -p 5000:5000 \ 
-v {LICENSE_MOUNT} \
{IMAGE} \
eula=accept \
billing={ENDPOINT_URI} \
apikey={API_KEY} \
DownloadLicense=True \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}

一旦下載授權檔案，您就可以在已中斷連線的環境中執行容器。下列範例會顯示您使用的 docker run 命令格式，以及預留位置值。以您自己的值取代這些預留位置值。

無論在何處執行容器，授權檔案都必須掛接到該容器，而且授權資料夾在該容器本機檔案系統上的位置必須是使用 Mounts:License= 指定的。也須指定輸出掛接，才能寫入帳單使用記錄。

預留位置	值	格式或範例
`{IMAGE}`	您想要使用的容器映像。例如：`mcr.microsoft.com/azure-cognitive-services/neural-text-to-speech:latest`
`{MEMORY_SIZE}`	要為您容器配置的適當記憶體大小。例如：`4g`
`{NUMBER_CPUS}`	要為您容器配置的適當 CPU 數目。例如：`4`
`{LICENSE_MOUNT}`	授權所在和裝載的路徑。例如：`/host/license:/path/to/license/directory`
`{OUTPUT_PATH}`	記錄的輸出路徑。例如：`/host/output:/path/to/output/directory` 如需詳細資訊，請參閱 Azure AI 服務文件中的使用量記錄。
`{CONTAINER_LICENSE_DIRECTORY}`	容器本機檔案系統上的授權資料夾位置。例如：`/path/to/license/directory`
`{CONTAINER_OUTPUT_DIRECTORY}`	容器本機檔案系統上的輸出資料夾位置。例如：`/path/to/output/directory`

docker run --rm -it -p 5000:5000 --memory {MEMORY_SIZE} --cpus {NUMBER_CPUS} \ 
-v {LICENSE_MOUNT} \ 
-v {OUTPUT_PATH} \
{IMAGE} \
eula=accept \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Mounts:Output={CONTAINER_OUTPUT_DIRECTORY}

語音容器會提供預設目錄，用來在執行階段寫入授權檔案和帳單記錄。預設目錄分別是 /license 與 /output。

當您使用 docker run -v 命令，將這些目錄掛接到容器時，請確定已將本機電腦目錄的擁有權設定為 user:group nonroot:nonroot，然後再執行容器。

以下是設定檔案/目錄擁有權的範例命令。

sudo chown -R nonroot:nonroot <YOUR_LOCAL_MACHINE_PATH_1> <YOUR_LOCAL_MACHINE_PATH_2> ...

如需關於搭配語音容器執行 docker run 的詳細資訊，請參閱使用 Docker 安裝及執行語音容器。

使用該容器

語音容器會提供 Websocket 型查詢端點 API，其可透過語音 SDK 和語音 CLI 來存取。根據預設，語音 SDK 和語音 CLI 會使用公用語音服務。若要使用容器，您必須變更初始化方法。

重要

當您搭配容器使用語音服務時，請務必使用主機驗證。如果您設定金鑰和區域，則要求會移至公用語音服務。來自語音服務的結果可能並非如您預期的結果。來自已中斷連線容器的要求將會失敗。

不要使用此 Azure 雲端初始化設定：

var config = SpeechConfig.FromSubscription(...);

搭配容器主機使用此設定：

var config = SpeechConfig.FromHost(
    new Uri("http://localhost:5000"));

不要使用此 Azure 雲端初始化設定：

auto speechConfig = SpeechConfig::FromSubscription(...);

搭配容器主機使用此設定：

auto speechConfig = SpeechConfig::FromHost("http://localhost:5000");

不要使用此 Azure 雲端初始化設定：

speechConfig, err := speech.NewSpeechConfigFromSubscription(...)

搭配容器主機使用此設定：

speechConfig, err := speech.NewSpeechConfigFromHost("http://localhost:5000")

不要使用此 Azure 雲端初始化設定：

SpeechConfig speechConfig = SpeechConfig.fromSubscription(...);

搭配容器主機使用此設定：

SpeechConfig speechConfig = SpeechConfig.fromHost("http://localhost:5000");

不要使用此 Azure 雲端初始化設定：

const speechConfig = sdk.SpeechConfig.fromSubscription(...);

搭配容器主機使用此設定：

const speechConfig = sdk.SpeechConfig.fromHost("http://localhost:5000");

不要使用此 Azure 雲端初始化設定：

SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithSubscription:...];

搭配容器主機使用此設定：

SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithHost:"http://localhost:5000"];

不要使用此 Azure 雲端初始化設定：

let speechConfig = SPXSpeechConfiguration(subscription: "", region: "");

搭配容器主機使用此設定：

let speechConfig = SPXSpeechConfiguration(host: "http://localhost:5000");

不要使用此 Azure 雲端初始化設定：

speech_config = speechsdk.SpeechConfig(
    subscription=speech_key, region=service_region)

搭配容器端點使用此設定：

speech_config = speechsdk.SpeechConfig(
    host="http://localhost:5000")

當您在容器中使用語音 CLI 時，請包含 --host http://localhost:5000/ 選項。您也必須指定 --key none 來確保 CLI 不會嘗試使用語音金鑰進行驗證。如需如何設定語音 CLI 的詳細資訊，請參閱開始使用 Azure AI 語音 CLI。

使用主機驗證而非金鑰和區域，嘗試文字轉換語音快速入門。

SSML 語音元素

當您建構神經文字轉換語音 HTTP POST 時，SSML 訊息需要具有 name 屬性的 voice 元素。語音的地區設定必須對應至容器模型的地區設定。 Azure 雲端和容器環境中的每個文字轉換語音音訊具有一致的 SSML 標籤支援。

例如，透過 latest 標籤 (預設為「en-US」) 下載的模型會有 en-US-AriaNeural 的語音名稱。

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-AriaNeural">
        This is the text that is spoken.
    </voice>
</speak>

下一步

請參閱語音容器概觀
檢閱設定容器以了解組態設定
使用更多 Azure AI 容器

分享方式：

使用 Docker 的文字轉換語音容器

容器映像

使用 docker pull 取得容器映像

使用 docker run 執行容器

使用該容器

SSML 語音元素

下一步

意見反映

更多資源