En esta página, se describe cómo seleccionar un perfil de dispositivo para el audio que se creó con Text-to-Speech.
Puedes optimizar la voz sintética producida por Text-to-Speech para reproducirla en diferentes tipos de hardware. Por ejemplo, si tu app se ejecuta principalmente en dispositivos más pequeños y “wearables”, puedes crear desde la API de Text-to-Speech voces sintéticas optimizadas específicamente para bocinas más pequeñas.
También puedes aplicar varios perfiles de dispositivo a la misma voz sintética. La API de Text-to-Speech aplica perfiles de dispositivo al audio en el orden proporcionado en la solicitud del extremo text:synthesize
. Evita especificar el mismo perfil más de una vez, dado que puedes generar resultados indeseados.
El uso de perfiles de audio es opcional. Si eliges usar uno (o más), Text-to-Speech aplica los perfiles a los resultados de voz luego de sintetizados. Si eliges no usar un perfil de audio, recibirás los resultados de voz sin ninguna modificación posterior a la síntesis.
Para escuchar la diferencia entre el audio generado con diferentes perfiles, compara los dos clips siguientes.
Ejemplo 1. Audio generado con el perfil handset-class-device
Ejemplo 2. Audio generado con el perfil telephony-class-application
Nota: Cada perfil de audio se optimizó para un dispositivo específico mediante el ajuste de diversos efectos de audio. Sin embargo, la marca y el modelo del dispositivo que se usó para ajustar el perfil pueden no coincidir exactamente con los dispositivos de reproducción de los usuarios. Es posible que debas experimentar con distintos perfiles a fin de encontrar el mejor sonido para tu aplicación.
Perfiles de audio disponibles
En la siguiente tabla, se proporcionan los ID y ejemplos de los perfiles de dispositivo disponibles para que los utilice la API de Text-to-Speech.
ID de perfil de audio | Optimizado para |
---|---|
wearable-class-device |
Relojes inteligentes y otros wearables, como Apple Watch, reloj Wear OS |
handset-class-device |
Smartphones, como Google Pixel, Samsung Galaxy, Apple iPhone |
headphone-class-device |
Auriculares para reproducción de audio, como los de la marca Sennheiser |
small-bluetooth-speaker-class-device |
Bocinas pequeñas para el hogar, como Google Home Mini |
medium-bluetooth-speaker-class-device |
Bocinas inteligentes para el hogar, como Google Home |
large-home-entertainment-class-device |
Sistemas de entretenimiento para el hogar o televisores inteligentes, como Google Home Max, LG TV |
large-automotive-class-device |
Bocinas para automóviles |
telephony-class-application |
Sistemas de respuesta de voz interactiva (IVR) |
Especifica un perfil de audio para usar
A fin de especificar un perfil de audio para usar, establece el campo effectsProfileId
de la solicitud de síntesis de voz.
Protocolo
Para generar un archivo de audio, realiza una solicitud POST
y proporciona el cuerpo de la solicitud correspondiente. A continuación, se muestra un ejemplo de una solicitud POST
con curl
. En el ejemplo, se usa Google Cloud CLI para recuperar un token de acceso para la solicitud.
Para obtener instrucciones sobre cómo instalar gcloud CLI, consulta
Autentícate en Text-to-Speech.
En el siguiente ejemplo, se muestra cómo enviar una solicitud al extremo text:synthesize
.
curl \ -H "Authorization: Bearer "$(gcloud auth print-access-token) \ -H "Content-Type: application/json; charset=utf-8" \ --data "{ 'input':{ 'text':'This is a sentence that helps test how audio profiles can change the way Cloud Text-to-Speech sounds.' }, 'voice':{ 'languageCode':'en-us', }, 'audioConfig':{ 'audioEncoding':'LINEAR16', 'effectsProfileId': ['telephony-class-application'] } }" "https://texttospeech.googleapis.com/v1beta1/text:synthesize" > audio-profile.txt
Si la solicitud es exitosa, la API de Text-to-Speech muestra el audio sintetizado como datos codificados en Base64 en un resultado de JSON. El resultado de JSON en el archivo audio-profiles.txt
es similar a lo siguiente:
{ "audioContent": "//NExAASCCIIAAhEAGAAEMW4kAYPnwwIKw/BBTpwTvB+IAxIfghUfW.." }
Para decodificar los resultados de la API de Cloud Text-to-Speech como un archivo de audio MP3, ejecuta el siguiente comando desde el mismo directorio que el archivo audio-profiles.txt
.
sed 's|audioContent| |' < audio-profile.txt > tmp-output.txt && \ tr -d '\n ":{}' < tmp-output.txt > tmp-output-2.txt && \ base64 tmp-output-2.txt --decode > audio-profile.wav && \ rm tmp-output*.txt
Go
Para obtener información sobre cómo instalar y usar la biblioteca cliente de Text-to-Speech, consulta las bibliotecas cliente de Text-to-Speech. Para obtener más información, consulta la documentación de referencia de la API de Text-to-Speech Go.
Para autenticarte en Text-to-Speech, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Java
Para obtener información sobre cómo instalar y usar la biblioteca cliente de Text-to-Speech, consulta las bibliotecas cliente de Text-to-Speech. Para obtener más información, consulta la documentación de referencia de la API de Text-to-Speech Java.
Para autenticarte en Text-to-Speech, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Node.js
Para obtener información sobre cómo instalar y usar la biblioteca cliente de Text-to-Speech, consulta las bibliotecas cliente de Text-to-Speech. Para obtener más información, consulta la documentación de referencia de la API de Text-to-Speech Node.js.
Para autenticarte en Text-to-Speech, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Python
Para obtener información sobre cómo instalar y usar la biblioteca cliente de Text-to-Speech, consulta las bibliotecas cliente de Text-to-Speech. Para obtener más información, consulta la documentación de referencia de la API de Text-to-Speech Python.
Para autenticarte en Text-to-Speech, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Idiomas adicionales
C#: Sigue las instrucciones de configuración de C# en la página de bibliotecas cliente y, luego, visita la documentación de referencia de Text-to-Speech para .NET
PHP: Sigue las instrucciones de configuración de PHP en la página de bibliotecas cliente y, luego, visita la documentación de referencia de Text-to-Speech para PHP.
Ruby : Sigue lasInstrucciones de configuración de Ruby en la página Bibliotecas cliente y, luego, visitaDocumentación de referencia de Text-to-Speech para Ruby.