Curl 文本到语音中的 SSML 代码 IBM Watson

Posted 2023-03-25

【中文标题】Curl 文本到语音中的 SSML 代码 IBM Watson

【英文标题】：SSML code in Curl text to speech IBM Watson

【发布时间】：2019-03-23 10:15:03

【问题描述】：

我正在尝试使用 IBM Watson Text to Speech，因为我需要获取一些音频文件以插入到视频中，但我根本不是开发人员！查看 IBM 云网站上提供的稀有教程，我想出了如何使用 curl 获取音频文件。但我找不到使用 SSML 可能性来修改声音的方法。我不明白我们必须在代码中的哪里指定标签。这是我使用的代码，它可以生成音频文件。我应该在哪里插入标签来自定义声音？...任何帮助都非常受欢迎！非常感谢提前

curl -X POST -u "credential OK":"credential ok" \        
--header "Content-Type: application/json" \        
--header "Accept: audio/mp3" \        
--data '"text": "The visceral leishmaniasis, also known as kala-azar is characterized by irregular bouts of fever, substantial weight loss, swelling of the spleen and liver, and anaemia. Visceral leishmaniasis is fatal in over 95% of cases if left untreated."' \        
--output Essai.mp3 \        
"https://stream.watsonplatform.net/text-to-speech/api/v1/synthesize?voice=en-US_AllisonVoice"\   

【参考方案1】：

您将 SSML 标签放在需要应用的文本周围

例如。以你为例

--data '"text": "<express-as type='GoodNews'> The visceral leishmaniasis, also known as kala-azar </express-as> is characterized by irregular bouts of fever, substantial weight loss, swelling of the spleen and liver, and anaemia. Visceral leishmaniasis is fatal in over 95% of cases if left untreated."'

【讨论】：

感谢您的意见。我试了一下，但它返回给我一个空白的音频文件。知道为什么吗？

检查您的输出是否有错误，您可能会在“当前语音中不支持 ”行中看到某些内容

我在输出中看不到任何错误...我不知道...它创建了文件，但文件为空。所选语音应支持 SSML

【参考方案2】：

我知道这个答案来晚了，但它可能会帮助其他有同样问题的人。

--data "\"text\": \"<voice-transformation type='Custom' breathiness='35%' pitch='-80%' pitch_range='60%' glottal_tension='-40%' ><p><s>The visceral leishmaniasis, <break strength='500ms'></break>also known as kala-azar, <break strength='500ms'></break> <express-as type='Uncertainty'>is characterized by irregular bouts of fever, substantial weight loss, swelling of the spleen and liver, and anaemia.</express-as></s> <s>Visceral leishmaniasis is fatal in over 95% of cases if left untreated.</s></p></voice-transformation>\"" \

我认为 chughts 提供的示例不起作用的原因可能是因为 JASON 对象中的引号转义不当。 *另请注意，express-as 元素仅适用于 en-US_AllisonVoice。

就我个人而言，我无法使用任何 express-as 元素类型选项来区分声音。 FWIW，我更喜欢 en-US_LisaV3Voice，但你不能对 V3 语音使用语音转换。