Text-to-Speech consente di convertire parole e frasi in dati audio codificati in Base64 del linguaggio umano naturale. Puoi quindi convertire i dati audio in un file audio riproducibile come un MP3 decodificando i dati base64. L'API Text-to-Speech accetta l'input come testo non elaborato o Speech Synthesis Markup Language (SSML).
Questo documento descrive come creare un file audio a partire da testo o input SSML utilizzando Text-to-Speech. Puoi anche consultare l'articolo Nozioni di base su Text-to-Speech se non hai dimestichezza con concetti come la sintesi vocale o SSML.
Questi esempi richiedono che tu abbia installato e inizializzato Google Cloud CLI. Per informazioni sulla configurazione di gcloud CLI, consulta Autenticazione in TTS.
Converti il testo in audio vocale sintetico
I seguenti esempi di codice mostrano come convertire una stringa in dati audio.
Puoi configurare l'output della sintesi vocale in diversi modi, ad esempio selezionando una voce univoca o modulando l'output in tono, volume, velocità del parlato e frequenza di campionamento.
Protocollo
Per informazioni dettagliate, fai riferimento all'endpoint API di text:synthesize
.
Per sintetizzare l'audio dal testo, effettua una richiesta POST HTTP all'endpoint
text:synthesize
. Nel corpo della richiesta POST, specifica il tipo di voce da sintetizzare nella sezione di configurazione voice
, specifica il testo da sintetizzare nel campo text
della sezione input
e specifica il tipo di audio da creare nella sezione audioConfig
.
Lo snippet di codice riportato di seguito invia una richiesta di sintesi all'endpoint
text:synthesize
e salva i risultati in un file
denominato synthesize-text.txt
. Sostituisci PROJECT_ID
con
l'ID progetto.
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "x-goog-user-project: <var>PROJECT_ID</var>" \ -H "Content-Type: application/json; charset=utf-8" \ --data "{ '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' } }" "https://texttospeech.googleapis.com/v1/text:synthesize" > synthesize-text.txt
L'API Text-to-Speech restituisce l'audio sintetizzato come dati codificati in Base64 contenuti nell'output JSON. L'output JSON nel file synthesize-text.txt
è simile al seguente snippet di codice.
{ "audioContent": "//NExAASCCIIAAhEAGAAEMW4kAYPnwwIKw/BBTpwTvB+IAxIfghUfW.." }
Per decodificare i risultati dell'API Text-to-Speech come file audio MP3, esegui il seguente comando dalla stessa directory del file synthesize-text.txt
.
cat synthesize-text.txt | grep 'audioContent' | \ sed 's|audioContent| |' | tr -d '\n ":{},' > tmp.txt && \ base64 tmp.txt --decode > synthesize-text-audio.mp3 && \ rm tmp.txt
Go
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Go.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Java
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Java.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Node.js
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Node.js.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Python
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Python.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Linguaggi aggiuntivi
C#: segui le istruzioni di configurazione di C# nella pagina delle librerie client e poi consulta la documentazione di riferimento di Text-to-Speech per .NET.
PHP: segui le istruzioni per la configurazione dei file PHP nella pagina delle librerie client e poi consulta la documentazione di riferimento di Text-to-Speech per PHP.
Ruby: segui le istruzioni per la configurazione di Ruby nella pagina delle librerie client e poi consulta la documentazione di riferimento di Text-to-Speech per Ruby.
Converti SSML in audio vocale sintetico
L'utilizzo di SSML nella richiesta di sintesi audio può produrre un audio più simile al parlato umano naturale. Nello specifico, SSML offre un controllo più granulare sul modo in cui l'output audio rappresenta le pause nel parlato o su come l'audio pronuncia date, orari, acronimi e abbreviazioni.
Per maggiori dettagli sugli elementi SSML supportati dall'API Text-to-Speech, consulta la documentazione di riferimento SSML.
Protocollo
Per informazioni dettagliate, fai riferimento all'endpoint API di text:synthesize
.
Per sintetizzare l'audio da SSML, effettua una richiesta POST HTTP all'endpoint
text:synthesize
. Nel corpo della richiesta POST, specifica il tipo di voce da sintetizzare nella sezione di configurazione voice
, specifica il codice SSML da sintetizzare nel campo ssml
della sezione input
e specifica il tipo di audio da creare nella sezione audioConfig
.
Lo snippet di codice riportato di seguito invia una richiesta di sintesi all'endpoint
text:synthesize
e salva i risultati in un file
denominato synthesize-ssml.txt
. Sostituisci PROJECT_ID
con
l'ID progetto.
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "x-goog-user-project: <var>PROJECT_ID</var>" \ -H "Content-Type: application/json; charset=utf-8" --data "{ 'input':{ 'ssml':'<speak>The <say-as interpret-as=\"characters\">SSML</say-as> standard is defined by the <sub alias=\"World Wide Web Consortium\">W3C</sub>.</speak>' }, 'voice':{ 'languageCode':'en-us', 'name':'en-US-Standard-B', 'ssmlGender':'MALE' }, 'audioConfig':{ 'audioEncoding':'MP3' } }" "https://texttospeech.googleapis.com/v1/text:synthesize" > synthesize-ssml.txt
L'API Text-to-Speech restituisce l'audio sintetizzato come dati codificati in Base64 contenuti nell'output JSON. L'output JSON nel file synthesize-ssml.txt
è simile al seguente snippet di codice.
{ "audioContent": "//NExAASCCIIAAhEAGAAEMW4kAYPnwwIKw/BBTpwTvB+IAxIfghUfW.." }
Per decodificare i risultati dell'API Text-to-Speech come file audio MP3, esegui il seguente comando dalla stessa directory del file synthesize-ssml.txt
.
cat synthesize-ssml.txt | grep 'audioContent' | \ sed 's|audioContent| |' | tr -d '\n ":{},' > tmp.txt && \ base64 tmp.txt --decode > synthesize-ssml-audio.mp3 && \ rm tmp.txt
Go
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Go.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Java
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Java.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Node.js
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Node.js.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Python
Per scoprire come installare e utilizzare la libreria client per Text-to-Speech, consulta l'articolo Librerie client di Text-to-Speech. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Text-to-Speech Python.
Per eseguire l'autenticazione in Text-to-Speech, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Linguaggi aggiuntivi
C#: segui le istruzioni di configurazione di C# nella pagina delle librerie client e poi consulta la documentazione di riferimento di Text-to-Speech per .NET.
PHP: segui le istruzioni per la configurazione dei file PHP nella pagina delle librerie client e poi consulta la documentazione di riferimento di Text-to-Speech per PHP.
Ruby: segui le istruzioni per la configurazione di Ruby nella pagina delle librerie client e poi consulta la documentazione di riferimento di Text-to-Speech per Ruby.
Provalo
Se non hai mai utilizzato Google Cloud, crea un account per valutare le prestazioni di Text-to-Speech in scenari reali. I nuovi clienti ricevono anche 300 $ di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
Prova Text-to-Speech senza costi