Comment démarrer avec l’API Text-to-Speech de Google Cloud

Dans ce tutoriel, nous allons vous guider à travers le processus de configuration et d’utilisation de l’API Text-to-Speech de Google Cloud, y compris des exemples et des extraits de code.

Présentation de l’API Text-to-Speech de Google

En tant qu’ingénieur logiciel, vous avez souvent besoin d’intégrer diverses API dans vos applications pour enrichir leur fonctionnalité. L’API Text-to-Speech de Google Cloud est un outil puissant qui convertit le texte en parole naturelle.

Les cas d’utilisation les plus courants pour l’API Google TTS incluent:

• Accessibilité: L’une des principales applications de la technologie TTS est d’améliorer l’accessibilité pour les personnes ayant des problèmes de vue ou de lecture. En convertissant le texte en parole, l’API permet aux utilisateurs d’accéder à du contenu numérique via l’audio, ce qui leur facilite la navigation sur les sites web, la lecture d’articles et l’interaction avec les services en ligne
• Assistants Virtuels: L’API TTS est souvent utilisée pour alimenter les assistants virtuels et les chatbots, leur permettant de communiquer avec les utilisateurs de manière plus humaine. Cela améliore l’expérience utilisateur et permet aux développeurs de créer des applications plus engageantes et interactives.
• E-Learning: In the education sector, the Google TTS API can be utilized to create audio versions of textbooks, articles, and other learning materials. This enables students to consume educational content while on the go, multitasking, or simply preferring to listen rather than read.
• Livres audio: L’API Google TTS peut être utilisée pour convertir du contenu écrit en livres audio, offrant une manière alternative aux utilisateurs d’apprécier les livres, les articles et d’autres matériaux écrits. Cela permet non seulement d’économiser du temps et des ressources sur la narration manuelle, mais aussi de permettre une création et une distribution de contenu rapides.
• Apprentissage des langues: L’API prend en charge plusieurs langues, ce qui en fait un outil précieux pour les applications d’apprentissage des langues. En générant une parole précise et naturelle, l’API TTS peut aider les utilisateurs à améliorer leurs compétences auditives, leur prononciation et leur compréhension globale des langues.
• Marketing de contenu: Les entreprises peuvent exploiter l’API TTS pour créer des versions audio de leurs billets de blog, articles et autres matériels de marketing. Cela leur permet de toucher un public plus large, y compris ceux qui préfèrent écouter le contenu plutôt que de le lire.
• Télécommunications: L’API TTS peut être intégrée dans les systèmes de Réponse Vocale Interactive (RVI), permettant aux entreprises d’automatiser les appels de service client, de fournir des informations aux appelants et de les diriger vers les départements appropriés. Cela aide les entreprises à économiser du temps et des ressources tout en maintenant un haut niveau de satisfaction client.

Utilisation de l’API Text-to-Speech de Google

Prérequis

Avant de commencer, assurez-vous de disposer des éléments suivants:

• A Google Cloud Platform (GCP) account. If you don’t have one, sign up for a free trial here.
• Connaissance de base de la programmation en Python.
• A text editor or integrated development environment of your choice.

Étape 1: Activer l’API Text-to-Speech

• Connectez-vous à votre compte GCP et rendez-vous sur la console GCP.
• Cliquez sur le menu déroulant des projets et créez un nouveau projet ou sélectionnez-en un existant.
• Dans la barre latérale gauche, cliquez sur API & Services > Bibliothèque.
• Recherchez API Text-to-Speech et cliquez sur le résultat.
• Cliquez sur Activer pour activer l’API pour votre projet.

Étape 2 : Créer des informations d’identification API

• Dans la barre latérale gauche, cliquez sur API & Services > Informations d’identification.
• Cliquez sur Créer des informations d’identification et sélectionnez Compte de service.
• Remplissez les détails requis et cliquez sur Créer.
• Sur la page Accorder l’accès à ce compte de service au projet, sélectionnez le rôle Utilisateur de l’API Cloud Text-to-Speech et cliquez sur Continuer.
• Cliquez sur Terminé pour créer le compte de service.
• Dans la liste Comptes de service, cliquez sur le compte de service nouvellement créé.
• Sous Clés, cliquez sur Ajouter une clé et sélectionnez JSON.
• Téléchargez le fichier de clé JSON et stockez-le en toute sécurité, car il contient des informations sensibles.

Étape 3: Mettre en place votre environnement Python

• Installez le Google Cloud SDK en suivant les instructions ici.

• Installez la bibliothèque Google Cloud Text-to-Speech pour Python :

    pip install --upgrade google-cloud-texttospeech
  

• Définissez la variable d’environnement GOOGLE_APPLICATION_CREDENTIALS sur le chemin du fichier de clé JSON que vous avez téléchargé précédemment :

    export GOOGLE_APPLICATION_CREDENTIALS="/path/to/your/keyfile.json"
  

  (Remplacez /path/to/your/keyfile.json par le chemin réel vers votre fichier de clé JSON.)

Étape 4: Créer un script Python

Créez un nouveau script Python (tel que text_to_speech.py) et ajoutez le code suivant :

from google.cloud import texttospeech
def synthesize_speech(text, output_filename):

# Créer un client de synthèse vocale
client = texttospeech.TextToSpeechClient()

# Définir l'entrée de texte
input_text = texttospeech.SynthesisInput(text=text)

# Configurer les paramètres de la voix
voice = texttospeech.VoiceSelectionParams(
language_code="en-US",
ssml_gender=texttospeech.SsmlVoiceGender.FEMALE
)

# Configurer la configuration audio
audio_config = texttospeech.AudioConfig(
audio_encoding=texttospeech.AudioEncoding.MP3
)

# Effectuer la requête de synthèse vocale
response = client.synthesize_speech(
input=input_text, voice=voice, audio_config=audio_config
)

# Enregistrer l'audio dans un fichier
with open(outputwb") as out:
out.write(response.audio_content)
print(f"Audio content written to '{output_filename}'")

# Tester la fonction de synthèse vocale
synthesize_speech("Hello, world!", "output.mp3")

Ce script définit une fonction synthesize_speech qui prend une chaîne de texte et un nom de fichier de sortie en arguments. Il utilise l’API Google Cloud Text-to-Speech pour convertir le texte en parole et enregistre le résultat audio sous forme de fichier MP3.

Étape 5 : Exécuter le script

Exécutez le script Python à partir de la ligne de commande :

python text_to_speech.py

Cela créera un fichier output.mp3 contenant la version parlée du texte d’entrée “Hello, world!”.

Étape 6 (facultatif) : Personnaliser les paramètres de la voix et de l’audio

Vous pouvez personnaliser les paramètres de la voix et des sons en modifiant les variables voice et audio_config dans la fonction synthesize_speech. Par exemple, pour changer la langue, remplacez en-US par un autre code de langue (comme es-ES pour l’espagnol). Pour changer le genre, remplacez texttospeech.SsmlVoiceGender.FEMALE par texttospeech.SsmlVoiceGender.MALE. Pour plus d’options, veuillez consulter la documentation de l’API Text-to-Speech.

Ajustement fin des paramètres de Google Text-To-Speech

L’API Speech-to-Text de Google offre un large éventail de paramètres de configuration qui permettent aux développeurs d’ajuster finement le comportement de l’API pour répondre à des cas d’utilisation spécifiques. Certains des paramètres de configuration les plus courants et leurs utilisations incluent :

• Codage Audio: spécifie le format de codage du fichier audio envoyé à l’API. Les formats de codage pris en charge incluent FLAC, LINEAR16, MULAW, AMR, AMR_WB, OGG_OPUS, et SPEEX_WITH_HEADER_BYTE. Les développeurs peuvent choisir le format de codage approprié en fonction de la source d’entrée, de la qualité audio et de l’application cible.
• Taux d’échantillonnage Audio: spécifie le taux auquel le fichier audio est échantillonné. Les taux d’échantillonnage pris en charge incluent 8000, 16000, 22050 et 44100 Hz. Les développeurs peuvent sélectionner le taux d’échantillonnage approprié en fonction de la source d’entrée et des exigences de l’application cible.
• Code de langue: spécifie la langue de la parole d’entrée. Les langues prises en charge incluent un large éventail d’options telles que l’anglais, l’espagnol, le français, l’allemand, le mandarin et bien d’autres. Les développeurs peuvent utiliser ce paramètre pour s’assurer que l’API transcrit avec précision la parole d’entrée dans la langue appropriée.
• Modèle: permet aux développeurs de choisir entre différents modèles de transcription fournis par Google. Les modèles disponibles incluent le défaut, vidéo, phone_call, et command_and_search. Les développeurs peuvent choisir le modèle approprié en fonction de la source d’entrée et des exigences de l’application cible.
• Contexte de la parole: permet aux développeurs de spécifier des mots ou des phrases spécifiques susceptibles d’apparaître dans la parole d’entrée. Cela peut améliorer la précision de la transcription en fournissant à l’API le contexte de la parole d’entrée.

Ces paramètres de configuration peuvent être combinés de différentes manières pour créer des configurations personnalisées qui conviennent le mieux à des cas d’utilisation spécifiques. Par exemple, un développeur pourrait configurer l’API pour transcrire un appel téléphonique en espagnol à l’aide d’un modèle de transcription spécifique et d’une liste personnalisée de contextes de la parole pour améliorer la précision.

Dans l’ensemble, l’API Google Speech-to-Text est un outil puissant pour transcrire la parole en texte, et la possibilité de personnaliser sa configuration la rend encore plus polyvalente. En sélectionnant soigneusement les paramètres de configuration appropriés, les développeurs peuvent optimiser les performances et la précision de l’API pour une grande variété de cas d’utilisation.

Conclusion

Dans ce tutoriel, nous vous avons montré comment démarrer avec l’API Google Cloud Text-to-Speech, y compris la configuration de votre compte GCP, la création des informations d’identification API, l’installation des bibliothèques nécessaires et l’écriture d’un script Python pour convertir du texte ou du SSML en parole. Vous pouvez maintenant intégrer cette fonctionnalité dans vos applications pour améliorer l’expérience utilisateur, créer du contenu audio ou soutenir les fonctionnalités d’accessibilité.

Foire aux questions (FAQ) sur l’API Google Cloud Text-to-Speech