יצירת אודיו ארוך

במאמר הזה מוסבר איך לבצע סינתזה של אודיו ארוך. התכונה "סינתזת אודיו ארוך" מסנתזת באופן אסינכרוני עד מיליון בייטים בקלט. למידע נוסף על המושגים הבסיסיים של Cloud Text-to-Speech, קראו את המאמר היסודות של Cloud Text-to-Speech.

לפני שמתחילים

כדי לשלוח בקשה ל-Cloud Text-to-Speech API, צריך לבצע את הפעולות הבאות. פרטים נוספים זמינים בדף לפני שמתחילים.

סינתזה של אודיו ארוך מטקסט באמצעות שורת הפקודה

כדי להמיר טקסט ארוך לאודיו, שולחים בקשת HTTP POST לנקודת הקצה https://texttospeech.googleapis.com/v1beta1/projects/{$project_number}/locations/global:synthesizeLongAudio. בגוף של פקודת ה-POST, מציינים את השדות הבאים.

‫• voice: סוג הקול לסינתזה.

‫• input.text: הטקסט שרוצים להמיר לדיבור.

‫• audioConfig: סוג האודיו שרוצים ליצור.

‫• output_gcs_uri: Google Cloud נתיב הפלט בפורמט gs://bucket_name/file_name.wav.

‫• parent: ההורה בפורמט projects/{YOUR_PROJECT_NUMBER}/locations/{YOUR_PROJECT_LOCATION}.

הקלט יכול להכיל עד 1MB של תווים, והמגבלה המדויקת יכולה להשתנות בהתאם לקלט.

  1. יוצרים קטגוריית אחסון ב- Google Cloud בפרויקט שמשמש להפעלת הסינתזה. מוודאים שלחשבון השירות שמשמש להפעלת הסינתזה יש גישת קריאה וכתיבה לקטגוריית הפלט Google Cloud .

  2. מפעילים את בקשת ה-REST בשורת הפקודה כדי להמיר את הטקסט לאודיו באמצעות Cloud TTS. הפקודה משתמשת בפקודה gcloud auth application-default print-access-token כדי לאחזר אסימון הרשאה לבקשה.

    ה-method של ה-HTTP וכתובת ה-URL: 

    POST https://texttospeech.googleapis.com/v1beta1/projects/12345/locations/global:synthesizeLongAudio

    תוכן בקשת JSON: 

    {
  "parent": "projects/12345/locations/global",
  "audio_config":{
      "audio_encoding":"LINEAR16"
  },
  "input":{
      "text":"hello"
  },
  "voice":{
      "language_code":"en-us",
      "name":"en-us-Standard-A"
  },
  "output_gcs_uri": "gs://bucket_name/file_name.wav"
}

    כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

    אתם אמורים לקבל תגובת JSON שדומה לזו:

    {
  "name": "23456",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.texttospeech.v1beta1.SynthesizeLongAudioMetadata",
    "progressPercentage": 0,
    "startTime": "2022-12-20T00:46:56.296191037Z",
    "lastUpdateTime": "2022-12-20T00:46:56.296191037Z"
  },
  "done": false
}

  3. פלט ה-JSON של פקודת ה-REST מכיל את השם הארוך של הפעולה בשדה name. מריצים את בקשת ה-REST בשורת הפקודה כדי לשלוח שאילתה לגבי מצב הפעולה הממושכת.

    חשוב לוודא שחשבון השירות שמריץ את פעולת ה-GET הוא מאותו פרויקט שבו נעשה שימוש לסינתזה.

    ה-method של ה-HTTP וכתובת ה-URL: 

    GET https://texttospeech.googleapis.com/v1beta1/projects/12345/locations/global/operations/23456

    כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

    אתם אמורים לקבל תגובת JSON שדומה לזו:

    {
  "name": "projects/12345/locations/global/operations/23456",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.texttospeech.v1beta1.SynthesizeLongAudioMetadata",
    "progressPercentage": 100
  },
  "done": true
}

  4. מריצים שאילתה על רשימת כל הפעולות שפועלות בפרויקט נתון, ומבצעים את בקשת ה-REST.

    חשוב לוודא שחשבון השירות שמפעיל את הפעולה LIST הוא מאותו פרויקט שמשמש להמרה.

    ה-method של ה-HTTP וכתובת ה-URL: 

    GET https://texttospeech.googleapis.com/v1beta1/projects/12345/locations/global/operations

    כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

    אתם אמורים לקבל תגובת JSON שדומה לזו:

    {
  "operations": [
    {
      "name": "12345",
      "done": false
    },
    {
      "name": "23456",
      "done": false
    }
  ],
  "nextPageToken": ""
}

  5. אחרי שהפעולה הארוכה מסתיימת, קובץ האודיו שנוצר מופיע בשדה output_gcs_uri ב-URI של הקטגוריה שצוינה. אם הפעולה לא הושלמה, צריך למצוא את השגיאה באמצעות שאילתה עם הפקודה GET REST, לתקן את השגיאה ולשלוח שוב את ה-RPC.

סינתזה של אודיו ארוך מטקסט באמצעות ספריות לקוח

כדי לסנתז אודיו ארוך, פועלים לפי ההוראות הבאות.

התקנת ספריית הלקוח

Python

לפני שמתקינים את הספרייה, צריך לוודא שהסביבה מוכנה לפיתוח ב-Python.

pip install --upgrade google-cloud-texttospeech

יצירת נתוני אודיו

אתם יכולים להשתמש ב-Cloud TTS כדי ליצור קובץ אודיו ארוך של דיבור אנושי סינתטי. משתמשים בקוד הבא כדי ליצור קובץ אודיו ארוך בדלי Google Cloud .

Python

לפני שמריצים את הדוגמה, חשוב לוודא שהכנתם את הסביבה לפיתוח בשפת Python.

# Copyright 2023 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#      http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

from google.cloud import texttospeech


def synthesize_long_audio(project_id: str, output_gcs_uri: str) -> None:
    """
    Synthesizes long input, writing the resulting audio to `output_gcs_uri`.

    Args:
        project_id: ID or number of the Google Cloud project you want to use.
        output_gcs_uri: Specifies a Cloud Storage URI for the synthesis results.
            Must be specified in the format:
            ``gs://bucket_name/object_name``, and the bucket must
            already exist.
    """

    client = texttospeech.TextToSpeechLongAudioSynthesizeClient()

    input = texttospeech.SynthesisInput(
        text="Test input. Replace this with any text you want to synthesize, up to 1 million bytes long!"
    )

    audio_config = texttospeech.AudioConfig(
        audio_encoding=texttospeech.AudioEncoding.LINEAR16
    )

    voice = texttospeech.VoiceSelectionParams(
        language_code="en-US", name="en-US-Standard-A"
    )

    parent = f"projects/{project_id}/locations/us-central1"

    request = texttospeech.SynthesizeLongAudioRequest(
        parent=parent,
        input=input,
        audio_config=audio_config,
        voice=voice,
        output_gcs_uri=output_gcs_uri,
    )

    operation = client.synthesize_long_audio(request=request)
    # Set a deadline for your LRO to finish. 300 seconds is reasonable, but can be adjusted depending on the length of the input.
    # If the operation times out, that likely means there was an error. In that case, inspect the error, and try again.
    result = operation.result(timeout=300)
    print(
        "\nFinished processing, check your GCS bucket to find your audio file! Printing what should be an empty result: ",
        result,
    )

הסרת המשאבים

כדי להימנע מחיובים מיותרים Google Cloud , כדאי להשתמש בGoogle Cloud console כדי למחוק את הפרויקט אם הוא לא נחוץ.

המאמרים הבאים

  • מידע נוסף על Cloud Text-to-Speech זמין במאמר מושגי יסוד.
  • כאן מופיעה רשימה של קולות זמינים שאפשר להשתמש בהם לדיבור מסונתז.