Membuat audio berdurasi panjang

Dokumen ini akan memandu Anda dalam proses menyintesis audio berdurasi panjang. Sintesis Audio Panjang secara asinkron menyintesis hingga 1 juta byte pada input. Untuk mempelajari lebih lanjut tentang konsep dasar dalam Text-to-Speech, baca Dasar-Dasar Text-to-Speech.

Sebelum memulai

Sebelum dapat mengirim permintaan ke Text-to-Speech API, Anda harus sudah menyelesaikan tindakan berikut. Lihat halaman sebelum memulai untuk mengetahui detailnya.

Menyintesis audio berdurasi panjang dari teks menggunakan command line

Anda dapat mengonversi teks panjang menjadi audio dengan membuat permintaan HTTP POST ke endpoint https://texttospeech.googleapis.com/v1beta1/projects/{$project_number}/locations/global:synthesizeLongAudio. Dalam isi perintah POST, tentukan kolom berikut.

• voice: Jenis suara yang akan disintesis.

• input.text: Teks yang akan disintesis.

• audioConfig: Jenis audio yang akan dibuat.

• output_gcs_uri: Jalur output Google Cloud dalam bentuk "gs://bucket_name/file_name.wav".

• parent: Induk di bawah formulir "projects/{YOUR_PROJECT_NUMBER}/locations/{YOUR_PROJECT_LOCATION}".

Input dapat berisi hingga 1 MB karakter. Batas persisnya dapat bervariasi dari input yang berbeda.

  1. Buat bucket penyimpanan Google Cloud di project yang digunakan untuk menjalankan sintesis. Pastikan akun layanan yang digunakan untuk menjalankan sintesis memiliki akses baca dan tulis ke bucket output Google Cloud .

  2. Jalankan permintaan REST di command line untuk melakukan sintesis pada audio dari teks menggunakan Text-to-Speech. Perintah tersebut menggunakan perintah gcloud auth application-default print-access-token untuk mengambil token otorisasi untuk permintaan tersebut.

    Metode HTTP dan URL: 

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

    Meminta isi 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"
}

    Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

    Anda akan menerima respons JSON yang mirip dengan berikut ini:

    {
  "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. Output JSON untuk perintah REST berisi nama operasi yang panjang di kolom name. Jalankan permintaan REST di command line untuk mengkueri status operasi yang berjalan lama.

    Pastikan akun layanan yang menjalankan operasi GET berasal dari project yang sama dengan yang digunakan untuk sintesis.

    Metode HTTP dan URL: 

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

    Untuk mengirim permintaan, perluas salah satu opsi berikut:

    Anda akan melihat respons JSON seperti berikut:

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

  4. Buat kueri daftar semua operasi yang dijalankan di project tertentu, jalankan permintaan REST.

    Pastikan akun layanan yang menjalankan operasi LIST berasal dari project yang sama dengan yang digunakan untuk sintesis.

    Metode HTTP dan URL: 

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

    Untuk mengirim permintaan, perluas salah satu opsi berikut:

    Anda akan melihat respons JSON seperti berikut:

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

  5. Setelah operasi yang berjalan lama berhasil diselesaikan, temukan file audio output dalam uri bucket yang ditentukan di kolom output_gcs_uri. Jika operasi tidak berhasil diselesaikan, temukan error dengan membuat kueri menggunakan perintah GET REST, perbaiki error, dan keluarkan RPC lagi.

Menyintesis audio berdurasi panjang dari teks menggunakan library klien

Ikuti petunjuk berikut untuk menyintesis audio panjang.

Menginstal library klien

Python

Sebelum menginstal library, pastikan Anda telah menyiapkan lingkungan untuk pengembangan Python.

pip install --upgrade google-cloud-texttospeech

Membuat data audio

Anda dapat menggunakan Text-to-Speech untuk membuat file audio panjang yang berisi ucapan sintetis manusia. Gunakan kode berikut untuk membuat file audio panjang di bucket Google Cloud Anda.

Python

Sebelum menjalankan contoh, pastikan Anda telah menyiapkan lingkungan untuk pengembangan 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,
    )

Pembersihan

Untuk menghindari biaya yang tidak perlu, gunakan Google Cloud console untuk menghapus project Anda jika tidak lagi diperlukan. Google Cloud

Langkah berikutnya

  • Pelajari Cloud Text-to-Speech lebih lanjut dengan membaca dasar-dasarnya.
  • Tinjau daftar suara yang tersedia yang dapat Anda gunakan untuk ucapan sintetis.