應用程式通常需要機器人回覆使用者。Dialogflow 應用程式通常需要機器人與使用者對話。Dialogflow 可讓您使用 DeepMind WaveNet 支援的 Cloud Text-to-Speech，從代理生成語音回覆。將意圖文字回覆轉換為音訊的過程稱為「音訊輸出」、「語音合成」
偵測意圖時，您可以使用音訊做為輸入和輸出。開發純音訊介面與使用者通訊的應用程式時，通常會發生這種情況。
如需支援語言清單，請參閱「語言」頁面上的「TTS」TTS欄。
事前準備
這項功能僅適用於使用 API 進行使用者互動的情況。如果您使用整合，可以略過本指南。
開始前，請先完成下列步驟：
- 詳閱 Dialogflow 基本概念。
- 執行設定步驟。
建立虛擬服務專員
- 前往 Dialogflow ES 控制台。
- 如果出現提示，請登入控制台。詳情請參閱「Dialogflow 控制台總覽」。
- 在側欄選單中，展開「Loading agents」(載入代理程式)。
- 按一下「Create new agent」。
- 輸入代理名稱、預設語言和預設時區。
- 輸入現有專案。如要讓 Dialogflow 控制台建立專案，請選取「Create a new Google project」(建立新的 Google 專案)。
- 按一下「Create」(建立)。
偵測意圖
如要偵測意圖，請對 Sessions 類型呼叫 detectIntent 方法。
REST
1. 準備音訊內容
下載 book-a-room.wav 範例 input_audio 檔案，其中包含「book a room」語音。在這個範例中，音訊檔案必須採用 Base64 編碼，才能在下方的 JSON 要求中提供。
以下是 Linux 範例：
wget https://cloud.google.com/dialogflow/es/docs/data/book-a-room.wav base64 -w 0 book-a-room.wav > book-a-room.b64
如需其他平台的範例，請參閱 Cloud Speech API 說明文件中的「嵌入 Base64 編碼音訊」。
2. 發出偵測意圖要求
在 Sessions 類型上呼叫 detectIntent 方法，並指定 Base64 編碼的音訊。
使用任何要求資料之前，請先修改下列項目的值：
- PROJECT_ID：Google Cloud 專案 ID
- SESSION_ID：工作階段 ID
- BASE64_AUDIO：上述輸出檔案中的 base64 內容
HTTP 方法和網址：
POST https://dialogflow.googleapis.com/v2/projects/PROJECT_ID/agent/sessions/SESSION_ID:detectIntent
JSON 要求主體：
{
"queryInput": {
"audioConfig": {
"languageCode": "en-US"
}
},
"outputAudioConfig" : {
"audioEncoding": "OUTPUT_AUDIO_ENCODING_LINEAR_16"
},
"inputAudio": "BASE64_AUDIO"
}
請展開以下其中一個選項，以傳送要求：
您應該會收到如下的 JSON 回覆：
{
"responseId": "b7405848-2a3a-4e26-b9c6-c4cf9c9a22ee",
"queryResult": {
"queryText": "book a room",
"speechRecognitionConfidence": 0.8616504,
"action": "room.reservation",
"parameters": {
"time": "",
"date": "",
"duration": "",
"guests": "",
"location": ""
},
"fulfillmentText": "I can help with that. Where would you like to reserve a room?",
"fulfillmentMessages": [
{
"text": {
"text": [
"I can help with that. Where would you like to reserve a room?"
]
}
}
],
"intent": {
"name": "projects/PROJECT_ID/agent/intents/e8f6a63e-73da-4a1a-8bfc-857183f71228",
"displayName": "room.reservation"
},
"intentDetectionConfidence": 1,
"diagnosticInfo": {},
"languageCode": "en-us"
},
"outputAudio": "UklGRs6vAgBXQVZFZm10IBAAAAABAAEAwF0AAIC7AA..."
}
請注意，queryResult.action 欄位的值為 room.reservation，而 outputAudio 欄位包含大型 Base64 音訊字串。
3. 播放輸出音訊
複製 outputAudio 欄位中的文字，並儲存至名為 output_audio.b64 的檔案。這個檔案必須轉換成音訊。
以下是 Linux 範例：
base64 -d output_audio.b64 > output_audio.wav
如需其他平台的範例，請參閱 Text-to-Speech API 說明文件中的「解碼 Base64 編碼的音訊內容」。
現在可以播放 output_audio.wav 音訊檔案，確認內容與上方 queryResult.fulfillmentMessages[1].text.text[0] 欄位的文字相符。系統會選擇第二個 fulfillmentMessages 元素，因為這是預設平台的文字回應。
Java
如要向 Dialogflow CX 進行驗證，請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
Node.js
如要向 Dialogflow CX 進行驗證，請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
Python
如要向 Dialogflow CX 進行驗證，請設定應用程式預設憑證。詳情請參閱「為本機開發環境設定驗證機制」。
如要進一步瞭解相關回應欄位，請參閱「偵測意圖回應」一節。
偵測意圖回應
偵測意圖要求的回應屬於 DetectIntentResponse 類型。
一般意圖偵測處理程序會控制 DetectIntentResponse.queryResult.fulfillmentMessages 欄位的內容。
系統會根據 DetectIntentResponse.queryResult.fulfillmentMessages 欄位中預設平台文字回覆的值，在 DetectIntentResponse.outputAudio 欄位填入音訊：
- 如果有多個預設文字回覆，系統會在生成音訊時將其串連。
- 如果沒有預設平台文字回覆，生成的音訊內容會是空白。
系統會依據用來產生輸出音訊內容的音訊設定填入 DetectIntentResponse.outputAudioConfig 欄位。
利用串流偵測意圖
從串流偵測意圖時，您傳送的要求與不使用輸出音訊的範例類似：從串流偵測意圖。不過，您必須在要求中提供 OutputAudioConfig 欄位。output_audio 和 output_audio_config 欄位會填入從 Dialogflow API 伺服器取得的最終串流回應。詳情請參閱 StreamingDetectIntentRequest 和 StreamingDetectIntentResponse。
語音相關代理程式設定
您可以控制語音合成的各個面向。請參閱代理語音設定。
使用 Dialogflow 模擬器
您可以使用 Dialogflow 模擬器與代理互動，並接收語音回覆：
- 按照「代理語音設定」中的操作說明，啟用自動文字轉語音功能。
- 在模擬工具中輸入或說出「book a room」。
- 查看模擬器中的「輸出音訊」部分。