Синтез речи на базе Yandex SpeechKit Cloud

Материал из Oktell
Перейти к: навигация, поиск

Наверх    [Oktell 2.7+]

Введение

Yandex SpeechKit – сервис распознавания и синтеза речи платформы Яндекс.Облако, открывающий разработчикам доступ к речевым технологиям Яндекса. В этой статье мы поговорим про синтез речи.

Технология синтеза речи позволяет переводить текст в речь (звуковой файл). Задача актуальна для озвучивания динамически обновляемой информации или быстро меняющихся данных, таких как остаток товаров на складе, репертуар кинотеатров и так далее. Технология синтеза речи Яндекса построена на базе скрытых марковских моделей (HMM). За счет применения статистического подхода в акустическом моделировании удается достичь естественных плавных интонаций. Технология позволяет достаточно быстро создавать новые голоса и синтезировать различные эмоции.

Синтез речи Яндекса позволяет выбрать:

  • мужской или женский голос для озвучивания;
  • эмоции: добрый, злой, нейтральный голос.

Документация по API распознавания и синтеза речи Yandex SpeechKit доступна на сайте https://cloud.yandex.ru/docs/speechkit/


Использование компонента

Начиная с версии Oktell 2.12, в служебных и IVR сценариях появился компонент "Синтез речи". Компонент озвучивает заданную фразу (синтезирует речь) с помощью сервиса Yandex SpeechKit. Позволяет сразу воспроизвести файл в линию, либо сгенерировать файл для последующего использования. В компоненте можно включить кэш, тем самым сохраняя все сгенерированные файлы в папку \Oktell\Server\LocalStorage\SynthesisCache. Так как каждый запрос к сервису Яндекс платный, то включенный кэш позволяет сэкономить ваши средства.

Техническая документация по компоненту: http://wiki.oktell.ru/Компоненты_сценариев_IVR#Синтез_речи


Для использования системы синтеза речи Yandex SpeechKit выполните следующие действия:


Шаг 1. Получить авторизационные данные на использование сервиса Yandex SpeechKit.

  • Выполните шаги 1-5 инструкции по авторизации в API для получения идентификатора каталога
  • Войдите в ваш аккаунт на Яндексе или Яндекс.Коннекте
  • Получите OAuth-токен в сервисе Яндекс.OAuth. Для этого перейдите по ссылке, нажмите Разрешить и скопируйте полученный OAuth-токен.


Шаг 2. Перейдите в Администрирование / Общие настройки / Распознавание речи Yandex SpeechKit Cloud. Введите полученные значения OAuth-токен и Идентификатор каталога в соответствующие поля


Yandex ASR Cloud 001.png


Нажмите "Сохранить". Теперь вы можете использовать синтез речи в сценариях.


Шаг 3. Рассмотрим пример использования синтеза речи в IVR сценарии.


Синтез речи 001.png


Компонент "Синтез речи". Озвучивает приветствие абоненту и сохраняет выбор абонента в переменную.

  • Режим — Воспроизвести. В этом режиме компонент сразу воспроизводит сгенерированный файл в текущую линию.
  • Текст — строка "Здравствуйте! Вас приветствует компания Телефонные Системы! Для соединения с менеджерами нажмите 1. Для соединения с сотрудниками технической поддержки нажмите 2.". Введенный текст будет передан на сервера Yandex для озвучивания.
  • Голос — Zahar. Настройка отвечает за синтезируемый голос: Zahar - мужской голос, Jane -женский. Возможно указание другого значения, если оно поддерживается сервисом Yandex SpeechKit.
  • Эмоция — По умолчанию. Настройка отвечает за используемую окраску голоса. Возможные варианты: good, neutral, evil, mixed.
  • Кэш — Использовать. Если использовать кэш, то система попытается найти файл с озвученным текстом среди сгенерированных ранее (находятся в папке \Oktell\Server\LocalStorage\SynthesisCache). Рекомендуется всегда включать в целях экономии средств.
  • Таймаут ожидания ответа, с — 5. Максимальное время ожидания ответа от серверов Яндекс.
  • Символы прерывания — строка "1, 2". Если абонент нажмет на указанные символы прерывания, компонент сохранит их в буфер и перейдет к следующему блоку.
  • Буфер для DTMF — переменная ввод (строковая). Переменная, в которую сохранится введенный символ прерывания.
  • Очистить буфер — Да. Указывает на то, что буфер предварительно будет очищен.


Компонент "Меню". Маршрутизирует абонента на выбранную группу операторов.

  • Аргумент — переменная Ввод
  • Значения —
1 — на компонент "Переключение 1"
2, прочее - на компонент "Переключение 2"

Настройка дальнейшей маршрутизации не рассматривается.

Чтобы использовать синтез речи для преднабора необходимо вначале сгенерировать файл с помощью компонента "Синтез речи" и сохранить путь к этому файлу в переменную (в соответствующем свойстве). Далее указать этот файл в компоненте "Воспроизведение с преднабором".

Альтернативный вариант синтеза речи

Для версий ниже Oktell 2.12 вы можете использовать компонент веб-запрос для отправки и получения запроса с сервиса Yandex SpeechKit. Сценарий выглядит следующий образом:


Синтез речи Yandex SpeechKit Cloud 007.png


Компонент "Старт". Получает переданный текст для озвучки и записывает его в переменную text.

  • Параметр запуска - переменная text (строковая)


Компонент "SpeechKit Key". Определяет API-ключ для выполнения Web-запроса на сервисы Yandex. Получить API-ключ на использование сервиса можно в кабинете разработчика.

  • переменной key (строковая) присваивается значение API-ключа.


Компонент "Web запрос". Выполняет GET-запрос на сервис Yandex SpeechKit и получает бинарные данные звукового файла.

  • URL - выражение:
'https://tts.voicetech.yandex.net/generate?text='+[text]+'&format=mp3&lang=ru-RU&speaker=zahar&key='+[key]
  • Метод - GET
  • Режим работы - Обрыв по таймауту
  • Таймаут, сек - 30

ВНИМАНИЕ: Данный режим работы накладывает ограничение на время скачивания звукового файла. Если вы хотите озвучить большой текст, то рекомендуется увеличить время таймаута. Как вариант, установите режим работы - Ожидание результата, но в этом случае время время работы компонента может быть неограниченным, что приведет к тому, что абонент устанет ждать и положит трубку.

  • Тип ответа - Текст
  • Ответ в переменную - переменная response (строковая)
  • Кодировка ответа - Текущая кодовая страница Windows


Синтез речи Yandex SpeechKit Cloud 004.png


Компонент "Запись". Используется для генерации имени файла.

  • Сохранение файла - Сгенерировать автоматически
  • Каталог - CustomCategory\Local\Синтез речи YandexSpeechKit Cloud\DefaultCategory
  • Начинать новую папку - Никогда
  • Сохранить путь в переменную - Абсолютный путь
  • Путь в переменную - переменная filename (строковая)
  • Макс время, с - 1


Компонент "Удаляем файл (если есть)". Компонент удаляет запись от предыдущего компонента, так как его целью была генерация названия файла. Сам временный файл записи фактически не нужен, поэтому и происходит его удаление.

  • Путь - переменная filename
  • Тип объекта - Файл
  • Операция - Удалить


Компонент "wav->mp3". Меняет название файла путем подмены расширения на mp3. У названия файла удаляются последние три символа (это может быть wav или mp3, информацию мы изначально не знаем), а затем добавляет расширение mp3. Таким образом, название будет гарантированно иметь расширение mp3.

  • переменной filename присваивается выражение
remove([filename],len([filename])-3,3)+'mp3'


Синтез речи Yandex SpeechKit Cloud 005.png


Компонент "Сохраняем данные в файл". Записывает все полученные данные от сервиса Yandex SpeechKit Сloud в файл со сгенерированным названием.

  • Путь - переменная filename
  • Тип объекта - Файл
  • Операция - Дописать данные в конец
  • Данные - переменная response
  • Кодировка - Текущая кодовая страница Windows


Компонент "Воспроизводим файл". Воспроизводит звуковой файл в линию абонента.

  • Режим - Файл полностью
  • Файл - переменная filename


Компонент "Файловая операция". Удаляет полученную запись после воспроизведения для экономии места на диске. Предполагается, что файл с озвученным текстом далее не понадобится.

  • Путь - переменная filename
  • Тип объекта - Файл
  • Операция - Удалить


Синтез речи Yandex SpeechKit Cloud 006.png


Компонент "Стоп". Для возврата в родительский сценарий (из которого запустился сценарий синтеза речи) необходимо указать возврат управления.

  • Возврат управления - Да.


Для использования сервиса используйте компонент "Запуск сценария" в IVR сценарии. В свойствах компонента выберите

  • Тип запуска - Вложенный
  • Сценарий - выберите сценарий "Синтез речи Yandex SpeechKit Cloud"
  • Параметр запуска - введите ваш текст для воспроизведения. В примере, строка "Здравствуйте! Вас приветствует компания Телефонные Системы!"
  • Возврат управления - Да


Синтез речи Yandex SpeechKit Cloud 002.png


Скачать сценарий: Синтез речи Yandex SpeechKit Cloud.oscr (собран на версии 2.11.141204)