כיצד להתחיל עם ממשק API לשמיעה ממילים של Google Cloud

בדרכים מדריך זה, אנו נלווה אותך בתהליך ההגדרה והשימוש ב-API של Google Cloud עבור שיחה מפי טקסט, כולל דוגמאות וקטעי קוד.

הצגת API של Google עבור שיחה מפי טקסט

כמהפכן תוכנה, אתה צריך לבצע אינטגרציה של API שונים לתוך היישומים שלך כדי לשפר את הפונקציונליות שלהם. API של Google Cloud עבור שיחה מפי טקסט הוא כלי חזק הממיר טקסט לשיחה שנשמעת טבעית.

השימושים הנפוצים ביותר עבור API של Google לשיחה מפי טקסט כוללים:

• נגישות: אחת היישומים העיקריים של טכנולוגיית TTS היא לשפר את הנגישות עבור אנשים עם קשיים ראייה או קשיים קריאה. על ידי המרת טקסט לשיחה, API מאפשר למשתמשים לגשת לתוכן דיגיטלי דרך שמע, מה שהופך את זה קל יותר עבורם לנווט באתרים, לקרוא מאמרים ולעסוק בשירותים מקוונים
• עוזרים וירטואליים: API של TTS משמש לעתים קרובות להפעיל עוזרים וירטואליים ובוטים צ'אט, מה שמאפשר להם לתקשר עם משתמשים בצורה יותר אנושית. זה משפר את חוויית המשתמש ומאפשר למפתחים ליצור יישומים מעניינים ואינטראקטיביים יותר.
• 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.
• ספרי שמע: API של Google לשיחה מפי טקסט יכול לשמש להמרת תוכן כתוב לספרי שמע, מה שמספק דרך חלופית למשתמשים ליהנות מספרים, מאמרים ותוכן כתוב אחרים. זה לא רק מקצר זמן ומשאבים על ידי שימוש בנרות קריאה אלא גם מאפשר יצירה והפצה מהירה של תוכן.
• למידת שפה: ה-API תומך במספר שפות, מה שהופך אותו לכלי חשוב ליישומים ללמידת שפה. על ידי יצירת נאומים מדויקים ונורמליים, API ה-TTS יכול לעזור למשתמשים לשפר את כישורי ההקשבה שלהם, ההגייה וההבנה הכללית של השפה.
• שיווק תוכן: עסקים יכולים להשתמש ב-API ה-TTS כדי ליצור גרסאות אודיו של הפוסטים בבלוג שלהם, מאמרים וחומרים שיווקיים אחרים. זה מאפשר להם להגיע לקהל רחב יותר, כולל אלה שמעדיפים להקשיב לתוכן מאשר לקרוא אותו.
• תקשורת: API ה-TTS יכול להיות משולב במערכות התקשורת האינטראקטיביות (IVR), מה שמאפשר לעסקים להכריז על שירותי לקוחות אוטומטיים, לספק מידע לשיחות ולהעביר אותם למחלקות המתאימות. זה עוזר לחברות לחסוך בזמן ובמשאבים תוך שמירה על רמת שביעות הרצון של הלקוחות גבוהה.

שימוש ב-Google’s ל-API של Text-to-Speech

הכנות

לפני שנתחיל, ודאו שיש לכם את הדברים הבאים:

• A Google Cloud Platform (GCP) account. If you don’t have one, sign up for a free trial here.
• ידע בסיסי בתכנות Python.
• A text editor or integrated development environment of your choice.

שלב 1: הפעל את API של Text-to-Speech

• התחבר לחשבון GCP שלך ונווט ל counsel GCP .
• לחץ על רשימת הפרויקטים וצור פרויקט חדש או בחר פרויקט קיים .
• בסלולר שמאלי, לחץ על APIs & Services > ספרייה .
• חפש אחר Text-to-Speech API ולחץ על התוצאה .
• לחץ להפעיל כדי לאפשר את ה- API לפרויקט שלך .

שלב 2: צור זכות גישה ל- API

• בסלולר שמאלי, לחץ על APIs & Services > זכות גישה .
• לחץ ליצור זכות גישה ובחר חשבון שירות .
• המלא את הפרטים הנדרשים ולחץ ליצור .
• בדף העניק לחשבון שירות זה גישה לפרויקט , בחר את התפקיד משתמש ב- Cloud Text-to-Speech API ולחץ להמשיך .
• לחץ גמור ליצירת חשבון השירות .
• ברשימת חשבונות שירות , לחץ על חשבון השירות הנוצר לאחרונה.
• תחת מפתחות, לחץ על הוסף מפתח ובחר JSON.
• הורד את קובץ המפתח JSON ושמור אותו באופן בטוח, שכן הוא מכיל מידע רגיש.

שלב 3: הגדרת סביבת Python שלך

• התקן את חבילת הפיתוח של Google Cloud על פי ההוראות כאן.

• התקן את ספריית Google Cloud Text-to-Speech עבור Python:

    pip install --upgrade google-cloud-texttospeech
  

• קבע את משתנת הסביבה GOOGLE_APPLICATION_CREDENTIALS לנתיב של קובץ המפתח JSON שהורדת קודם:

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

  (החלף את /path/to/your/keyfile.json בנתיב האמיתי לקובץ JSON שלך.)

שלב 4: צור תוכנית Python

אפשר ליצור תסריט Python חדש (כגון `text_to_speech.py`) ולהוסיף את הקוד הבא:

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

# יצירת לקוח ממילות לדיבור
client = texttospeech.TextToSpeechClient()

# הגדרת קלט טקסט
input_text = texttospeech.SynthesisInput(text=text)

# תכונות הקול
voice = texttospeech.VoiceSelectionParams(
language_code="en-US",
ssml_gender=texttospeech.SsmlVoiceGender.FEMALE
)

# הגדרת תכנון השמעה
audio_config = texttospeech.AudioConfig(
audio_encoding=texttospeech.AudioEncoding.MP3
)

# ביצוע בקשת מילות לדיבור
response = client.synthesize_speech(
input=input_text, voice=voice, audio_config=audio_config
)

# שמירת השמעה בקובץ
with open(outputwb") as out:
out.write(response.audio_content)
print(f"Audio content written to '{output_filename}'")

# בדיקת פונקציית מילות לדיבור
synthesize_speech("Hello, world!", "output.mp3")

תסריט זה מגדיר פונקציה `synthesize_speech` המקבלת מחרוזת טקסט ושם קובץ פלט כארגומנטים. הוא משתמש ב-API של Google Cloud Text-to-Speech כדי להמיר את הטקסט לדיבור ולשמור את השמעה המתקבלת כקובץ MP3.

שלב 5: הפעלת התסריט

ביצוע התסריט Python משורת הפקודה:

python text_to_speech.py

זה ייצור קובץ `output.mp3` המכיל את הגרסה המדוברת של הטקסט "שלום, עולם!".

שלב 6 (אופציונלי): התאמת תכונות הקול והשמעה

אפשר להתאים את ההגדרות של הקול והשמע על ידי שינוי המשתנים voice ו-audio_config בפונקציה synthesize_speech. לדוגמה, כדי לשנות את השפה, החליף את en-US בקוד שפה שונה (כמו es-ES עבור ספרדית). כדי לשנות את המגדר, החליף את texttospeech.SsmlVoiceGender.FEMALE ב-texttospeech.SsmlVoiceGender.MALE. לקבלת עוד אפשרויות, ראה את מדריך ווב API להמרת טקסט לSpeech.

כוונון מפרט של פרמטרי טקסט לSpeech של Google

API של Google להמרת Speech לטקסט מציע מגוון רחב של פרמטרים להגדרה המאפשרים למפתחים לכוון את ההתנהגות של ה-API לקושי מסוים. חלק מהפרמטרים הנפוצים ביותר להגדרה ומקרים השימוש שלהם כוללים:

• קידוד שמע: מציין את פורמט הקידוד של קובץ השמע המועבר ל-API. פורמטי הקידוד התומכים כוללים FLAC, LINEAR16, MULAW, AMR, AMR_WB, OGG_OPUS, ו-SPEEX_WITH_HEADER_BYTE. מפתחים יכולים לבחור את פורמט הקידוד המתאים בהתבסס על המקור הקלט, איכות השמע והיישום המטרה.
• קצב מדידת שמע: מציין את הקצב שבו מדוד הקובץ השמעי. הקצבים המתומכים כוללים 8000, 16000, 22050 ו-44100 יחידות שנייה. מפתחים יכולים לבחור את הקצב המדידה המתאים בהתבסס על המקור הקלט ודרישות היישום המטרה.
• קוד שפה: מפרט את השפה של השיחה המקורית. השפות המתואמות כוללות מגוון רחב של אפשרויות כמו אנגלית, ספרדית, צרפתית, גרמנית, מנדרינית ועוד. מפתחים יכולים להשתמש בפרמטר זה כדי להבטיח שה-API יכתוב במדויק את השיחה המקורית בשפה המתאימה.
• מודל: מאפשר למפתחים לבחור בין מודלים שונים של שעתוק שמספק Google. המודלים הזמינים כוללים ברירת מחדל, וידאו, שיחת_טלפון, ו-הורדה_וחיפוש. מפתחים יכולים לבחור את המודל המתאים בהתבסס על מקור הקלט ודרישות היישום המטרה.
• הקשר של השיחה: מאפשר למפתחים לציין מילים או ביטויים ספציפיים שסביר להניח שיתקבלו בשיחה המקורית. זה יכול לשפר את הדיוק של השעתוק על ידי סיפוח ל-API של הקשר לשיחה המקורית.

פרמטרים התכנון הללו יכולים להשתלב בדרכים שונות כדי ליצור תכנונים מותאמים אישית שמתאימים הכי טוב למקרים של שימוש. לדוגמה, מפתח יכול להגדיר את ה-API לשעתוק שיחת טלפון בספרדית באמצעות מודל שעתוק ספציפי ורשימה מותאמת אישית של הקשרי שיחה כדי לשפר את הדיוק.

בסך הכל, סביבת ה-API של Google להמרת שיחה לטקסט היא כלי חזק להמרת שיחה לטקסט, והיכולת להתאים את התכנון שלה מאפשרת לה להיות אף יותר גמישה. על ידי בחירה הדקדוקת של פרמטרי התכנון המתאימים, מפתחים יכולים למקסם את ביצועי ה-API ואת הדיוק שלה למגוון רחב של מקרים של שימוש.

מסקנה

בדרכון זה, הראינו לכם איך להתחיל עם ממשק Google Cloud's Text-to-Speech API, כולל הקמת חשבון GCP, יצירת אסימונים של API, התקנת הספריות ההכרחיות וכתיבת תסריט Python להמרת טקסט או SSML לשיחה. עכשיו אפשר לשלב את הפונקציונליות הזו ביישומים שלכם כדי לשפר את חוויית המשתמש, ליצור תוכן אודיו או לתמוך בתכונות נגישות.

שאלות שכיחות (FAQs) על ממשק Google Cloud’s Text-to-Speech API