Générer un dialogue avec plusieurs locuteurs

Remarque : Cette fonctionnalité n'est disponible que pour les projets figurant sur une liste d'autorisation. Veuillez nous contacter si vous souhaitez utiliser cette fonctionnalité.

Cette page explique comment créer un dialogue avec plusieurs locuteurs créés par Text-to-Speech.

Vous pouvez générer du contenu audio avec plusieurs intervenants pour créer un dialogue. Cela peut être utile pour les interviews, le storytelling interactif, les jeux vidéo, les plates-formes d'apprentissage et les solutions d'accessibilité.

La voix suivante est disponible pour du contenu audio avec plusieurs locuteurs :

• en-US-Studio-Multispeaker
  • Intervenant : R
  • Intervenant : S
  • Intervenant : T
  • Intervenant : U

Exemple. Cet extrait est un exemple de contenu audio généré avec plusieurs locuteurs.

Remarque : Cette fonctionnalité ne prend en charge que deux intervenants maximum. Il s'agit d'une offre expérimentale qui ne figure pas dans la liste des voix.

Exemple d'utilisation du balisage multi-locuteurs

Voici un exemple qui montre comment utiliser le balisage multi-locuteurs.

Python

Pour savoir comment installer et utiliser la bibliothèque cliente Text-to-Speech, consultez la page Bibliothèques clientes Text-to-Speech. Pour en savoir plus, consultez la documentation de référence de l'API Text-to-Speech en langage Python.

Pour vous authentifier auprès de Text-to-Speech, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.

"""Synthesizes speech for multiple speakers.
Make sure to be working in a virtual environment.
"""
from google.cloud import texttospeech_v1beta1 as texttospeech

# Instantiates a client
client = texttospeech.TextToSpeechClient()

multi_speaker_markup = texttospeech.MultiSpeakerMarkup(
    turns=[
        texttospeech.MultiSpeakerMarkup.Turn(
            text="I've heard that the Google Cloud multi-speaker audio generation sounds amazing!",
            speaker="R",
        ),
        texttospeech.MultiSpeakerMarkup.Turn(
            text="Oh? What's so good about it?", speaker="S"
        ),
        texttospeech.MultiSpeakerMarkup.Turn(text="Well..", speaker="R"),
        texttospeech.MultiSpeakerMarkup.Turn(text="Well what?", speaker="S"),
        texttospeech.MultiSpeakerMarkup.Turn(
            text="Well, you should find it out by yourself!", speaker="R"
        ),
        texttospeech.MultiSpeakerMarkup.Turn(
            text="Alright alright, let's try it out!", speaker="S"
        ),
    ]
)

# Set the text input to be synthesized
synthesis_input = texttospeech.SynthesisInput(
    multi_speaker_markup=multi_speaker_markup
)

# Build the voice request, select the language code ('en-US') and the voice
voice = texttospeech.VoiceSelectionParams(
    language_code="en-US", name="en-US-Studio-MultiSpeaker"
)

# Select the type of audio file you want returned
audio_config = texttospeech.AudioConfig(
    audio_encoding=texttospeech.AudioEncoding.MP3
)

# Perform the text-to-speech request on the text input with the selected
# voice parameters and audio file type
response = client.synthesize_speech(
    input=synthesis_input, voice=voice, audio_config=audio_config
)

# The response's audio_content is binary.
with open("output.mp3", "wb") as out:
    # Write the response to the output file.
    out.write(response.audio_content)
    print('Audio content written to file "output.mp3"')