Deepgram: Aura-2

Aura-2 je Deepgramova družina za pretvorbo besedila v govor z glasovi v sedmih jezikih: angleščini, španščini, nemščini, francoščini, nizozemščini, italijanščini in japonščini. Posredovano besedilo pretvori v govor za odgovore podpore strankam, telefonske menije, razlage in pripovedovanje. Proizvajalec opisuje tempo, izraznost in pogovorna mašila kot odzive na besedilo in kontekst posredovanega besedila.

Glas prilagodite jeziku in nalogi

Vsak glas je opredeljen z družino, govorcem in jezikom. Katalog razlikuje naglase in značilnosti podajanja, namesto da bi vse govorce obravnaval kot zamenljive. Thalia je energična ameriškoangleška možnost; Draco je britanski glas, povezan s pripovedovanjem zgodb; Celeste je kolumbijskošpanski glas, povezan s pogovornimi uporabami in obvestili. Glas izberite z mislijo na dejanski scenarij in poslušalca.

Izbrani španski glasovi podpirajo preklapljanje med angleščino in španščino: Aquila, Carina, Diana, Javier in Selena. Ta zmožnost pripada tem poimenovanim govorcem, ne vsakemu glasu v družini. Pri večjezičnem odlomku ohranite predvideni jezik imen izdelkov in navedenih fraz ter prehod poslušajte z govorcem, katerega dokumentirani profil podpira nalogo.

Pripravite besedilo za govor

Vodnik za oblikovanje Aura-2 priporoča ločila na koncu stavkov, vprašaje pri vprašanjih, vejice za naravne premore in kratke samostojne fraze. Podajte končno govorjeno besedilo, ne navodila, ki sintetizator prosi, naj napiše sporočilo. Uporaben uvodni scenarij je: »Dobrodošli. Izberite jezik, nato temo, ki jo potrebujete. Navodila lahko kadar koli ponovite.« Ločila ločujejo poslušalčeva dejanja in modelu dajejo jasnejši ritem.

Identifikator zapišite kot ločene črke, kadar ga je treba prebrati znak za znakom. Pojasnite kratice in se izognite dolgemu neprekinjenemu stavku, kadar je treba razložiti več pogojev. Razvijalec priporoča tudi zapis ukaznih besed v narekovajih in glasno preverjanje odlomka pred sintezo. Pri izobraževalni pripovedi ali predstavitvi izdelka ohranite pomembne izraze, pisne naslove in goste sezname pa pretvorite v popolne govorjene fraze.

Tempo in izgovarjava

Proizvajalec dokumentira nastavitve hitrosti in izgovarjave IPA za angleščino in španščino. Razpon hitrosti govora Aura-2 je od 0,7 do 1,5; za španščino priporoča od 0,9 do 1,5, ker lahko počasnejše nastavitve povzročijo netekoč govor. V tej družini je mogoče izgovarjavo in hitrost združiti. Z zapisi IPA po meri lahko določite izgovarjavo strokovnega imena ali izraza, pravilo Aura-2 pa naglasno oznako postavi neposredno pred samoglasnik.

Specifikacija nadzora izgovarjave dovoljuje do petsto nastavitev izgovarjave po meri, pri čemer vsak niz IPA ne sme presegati 128 znakov, ter za ta potek dokumentira omejitev vhodnega besedila 2000 znakov. Aura-2 ne podpira izrecne funkcije nadzora premorov, dokumentirane za Flux TTS. Ritem pripravite s stavčno strukturo in ločili, daljše gradivo pa razdelite na povezane odlomke, kadar to zahteva izbrani potek.

Dostava in uporaba zvoka

Proizvajalec zagotavlja sintezo celotne zahteve in pretočne poteke pretvorbe besedila v zvok. Njegov medijski vodnik razlikuje surovi pretočni PCM, mu-law in A-law od izhodnih možnosti za datoteke, kot so WAV, MP3, Opus, FLAC in AAC. Dokumentirana privzeta frekvenca PCM/WAV za potek zahtev Aura je 24 kHz. Datotečni vsebniki, frekvence vzorčenja in kodiranja tvorijo veljavne kombinacije; telefonska povezava in prenosljiva datoteka s pripovedjo lahko zahtevata drugačne izbire.

Aura-2 ostaja ločena družina od prve generacije Aura in od Flux TTS. Iz imena glasu Aura-2 ne smete sklepati, da ta podpira Fluxovo stanje med govornimi menjavami, povratne informacije o prekinitvah ali nastavitve premorov, namenjene samo paketni obdelavi. Uporaben izhod je govorjena različica dejanskega scenarija v ustreznem jeziku, naglasu in zvočni predstavitvi. Pred ponovno uporabo posnetka s predvidenim poslušalcem preverite imena, menjave jezikov, tempo, ki ga določajo ločila, in pomembna navodila.