Tipos de vozes

O Text-to-Speech gera áudio com qualidade natural e semelhante a humana, que cria uma fala que soa como uma pessoa real. Para começar, especifique uma voz ao enviar uma solicitação de síntese.

O Text-to-Speech oferece várias vozes com base no idioma, gênero e sotaque. Alguns idiomas têm várias opções. Para conferir a lista completa, consulte a página Vozes disponíveis. Para selecionar uma voz, use o campo VoiceSelectionParams na solicitação da API. Consulte os Guias de início rápido para instruções sobre como fazer uma solicitação synthesize.

Visão geral

Tipo de voz		Destinado a	Estágio de criação	Controlabilidade	Streaming
Journey		Agentes de conversa	Visualizar	-	Sim
Studio	Dois alto-falantes grupo	Mídia: discussões e entrevistas	Experimental	-	-
	Um orador pessoa	Mídia: narração	GA	SSML	-
Neural2		Uso geral	GA	SSML	-
Padrão		Custo-benefício	GA	SSML	-

Detalhes do preço

Vozes da jornada

Com as vozes de jornada, que usam o mecanismo AudioLM, você pode criar falas mais envolventes e empáticas para apps de conversação. Com o streaming de texto, a Journey Voices produz comunicação em tempo real com baixa latência e oferece suporte aos idiomas listados na tabela de vozes compatíveis.

Observação: as Vozes da jornada, que são fornecidas por LLMs, podem alucinar pulando palavras ou dígitos durante a síntese.

Experiências de chat

Voz: en-US-Journey-F

Outros exemplos

Assistentes virtuais

Voz: en-US-Journey-D

Chatbots de atendimento ao cliente

Voz: en-US-Journey-F

Aplicativos educacionais interativos

Voz: en-US-Journey-O

Vendas e pitches de venda

Voz: en-US-Journey-D

Hora de história

Voz: en-US-Journey-F

Observação: as Vozes da jornada não são compatíveis com a entrada de SSML, a taxa de fala e os parâmetros de áudio de tom e a codificação de áudio A-Law.

Observação: as Vozes da jornada estão disponíveis nos endpoints global, eu e us, mas estão fora do escopo da regionalização e da residência de dados.

Vozes de estúdio para vários alto-falantes

Crie discussões e entrevistas com as novas vozes de estúdio para vários locutores, baseadas na mesma tecnologia das vozes de jornada.

Vozes de estúdio

As vozes de estúdio são projetadas para leitura de notícias e conteúdo de transmissão.

Exemplo 1. A voz de en-US-Studio-O lendo o Great Gatsby.

Observação: as vozes do Studio são compatíveis com SSML, exceto para as seguintes tags: <mark>, <emphasis>, <prosody pitch> e <lang>.

Observação: verifique a tabela de vozes disponíveis para saber a disponibilidade de vozes do Studio em idiomas específicos.

Vozes Neural2

A API Text-to-Speech oferece um nível de voz chamada Neural2. As vozes Neural2 são baseadas na mesma tecnologia usada para criar uma Voz personalizada. Com o Neural2, qualquer pessoa pode usar a tecnologia de voz personalizada, sem treinar a própria voz. Eles estão disponíveis em endpoints globais e de região única.

Observação: verifique a tabela de vozes compatíveis para ver a disponibilidade das vozes Neural2 em idiomas específicos.

Exemplo 1. Voz Neural2

Vozes padrão

As vozes oferecidas pelo Text-to-Speech diferem na forma como são produzidas: a tecnologia de fala sintética usada para criar o modelo de máquina da voz. Uma tecnologia de fala comum, a conversão paramétrica de texto em voz, normalmente gera dados de áudio pela passagem das saídas por algoritmos de processamento de sinais conhecidos como vocoders. Muitas das vozes padrão disponíveis no Text-to-Speech usam uma variação dessa tecnologia.