使用指令列從文字建立音訊

使用指令列從文字建立音訊

本文將逐步說明如何使用指令列向 Text-to-Speech 提出要求。如要進一步瞭解 Text-to-Speech 的基本概念，請參閱「Text-to-Speech 基本概念」。

事前準備

您必須先完成下列動作，才能向 Text-to-Speech API 傳送要求。詳情請參閱「事前準備」頁面。

• 在 GCP 專案中啟用 Text-to-Speech。
• 確認已啟用 Text-to-Speech 的計費功能。

• 安裝 Google Cloud CLI。 安裝完成後，執行下列指令來初始化 Google Cloud CLI：

  gcloud init

  若您採用的是外部識別資訊提供者 (IdP)，請先使用聯合身分登入 gcloud CLI。

從文字合成音訊

只要向 https://texttospeech.googleapis.com/v1/text:synthesize 端點發出 HTTP POST 要求，就能將文字內容轉換為音訊。在 POST 指令的主體中，請在 voice 設定區段指定要合成的語音類型，在 input 區段的 text 欄位中指定要合成的文字，然後在 audioConfig 區段中指定要建立的音訊類型。

1. 在指令列執行下列 REST 要求，使用 Text-to-Speech 從文字合成音訊。這項指令會使用 gcloud auth application-default print-access-token 指令，擷取要求的授權權杖。

   使用任何要求資料之前，請先替換以下項目：

   • PROJECT_ID： Google Cloud 專案的英數字元 ID。

   HTTP 方法和網址：

   POST https://texttospeech.googleapis.com/v1/text:synthesize

   JSON 要求主體：

   {
     "input": {
       "text": "Android is a mobile operating system developed by Google, based on the Linux kernel and designed primarily for touchscreen mobile devices such as smartphones and tablets."
     },
     "voice": {
       "languageCode": "en-gb",
       "name": "en-GB-Standard-A",
       "ssmlGender": "FEMALE"
     },
     "audioConfig": {
       "audioEncoding": "MP3"
     }
   }
   

   請展開以下其中一個選項，以傳送要求：

   curl (Linux、macOS 或 Cloud Shell)

   注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI，或已使用 Cloud Shell 自動登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

   將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

   curl -X POST \
        -H "Authorization: Bearer $(gcloud auth print-access-token)" \
        -H "x-goog-user-project: PROJECT_ID" \
        -H "Content-Type: application/json; charset=utf-8" \
        -d @request.json \
        "https://texttospeech.googleapis.com/v1/text:synthesize"

   PowerShell (Windows)

   注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

   將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

   $cred = gcloud auth print-access-token
   $headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_ID" }
   
   Invoke-WebRequest `
       -Method POST `
       -Headers $headers `
       -ContentType: "application/json; charset=utf-8" `
       -InFile request.json `
       -Uri "https://texttospeech.googleapis.com/v1/text:synthesize" | Select-Object -Expand Content

   您應該會收到如下的 JSON 回應：

   {
     "audioContent": "//NExAASCCIIAAhEAGAAEMW4kAYPnwwIKw/BBTpwTvB+IAxIfghUfW.."
   }
   

2. REST 指令的 JSON 輸出內容含有 base64 編碼格式的合成音訊。將 audioContent 欄位的內容複製到名為 synthesize-output-base64.txt 的新檔案。新檔案會類似於下方內容：

   //NExAARqoIIAAhEuWAAAGNmBGMY4EBcxvABAXBPmPIAF//yAuh9Tn5CEap3/o
   ...
   VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
   

3. 將 synthesize-output-base64.txt 檔案的內容解碼到名為 synthesized-audio.mp3 的新檔案。如需解碼 base64 檔案的資訊，請參閱「解碼 Base64 編碼的音訊內容」。

   Linux

   1. 僅將 base64 編碼內容複製到文字檔。

   2. 透過 base64 指令列工具並使用 -d 標記來解碼來源文字檔：

       $ base64 SOURCE_BASE64_TEXT_FILE -d > DESTINATION_AUDIO_FILE

   Mac OSX

   1. 僅將 base64 編碼內容複製到文字檔。

   2. 使用 base64 指令列工具解碼來源文字檔：

       $ base64 --decode SOURCE_BASE64_TEXT_FILE > DESTINATION_AUDIO_FILE

   Windows

   1. 僅將 base64 編碼內容複製到文字檔。

   2. 使用 certutil 指令解碼來源文字檔。

      certutil -decode SOURCE_BASE64_TEXT_FILE DESTINATION_AUDIO_FILE

4. 在音訊應用程式或音訊裝置上播放 synthesized-audio.mp3 的內容。您也可以在 Chrome 瀏覽器中前往檔案所在的資料夾，例如 file://my_file_path/synthesized-audio.mp3，開啟 synthesized-audio.mp3 並播放音訊。

清除所用資源

如要避免不必要的 Google Cloud Platform 收費，請前往Google Cloud console 刪除不需要的專案。

後續步驟

• 如要進一步瞭解 Cloud Text-to-Speech，請參閱「基本概念」。
• 查看可用於合成語音的可用語音清單。