Der Dienst unterstützt nun eine neue weibliche natürliche Stimme für brasilianisches Portugiesisch:

• pt-BR_IsabelaNatural

Natural Voices bieten eine erweiterte Leistung in Bezug auf Natürlichkeit und Ausdruckskraft. Diese Stimmen verwenden verschiedene Techniken, um einen Vorteil gegenüber den expressiven Stimmen zu erzielen. Weitere Informationen finden Sie

• Natürliche Stimmen
• Zeichen für Portugiesisch (Brasilien)

Zuvor veraltete Standard-Voices zur Verkettung ( v1 ) werden nun während der Synthese durch ihre neuralen Äquivalente ( v3 ) ersetzt. Wenn eine Anfrage eine dieser v1 Stimmen angibt, wird stattdessen die entsprechende v3 Stimme verwendet.

• de-DE_BirgitVoice -> de-DE_BirgitV3Voice
• de-DE_DieterVoice -> de-DE_DieterV3Voice
• en-GB_KateVoice -> en-GB_KateV3Voice
• en-US_AllisonVoice -> en-US_AllisonV3Voice
• en-US_LisaVoice -> en-US_LisaV3Voice
• en-US_MichaelVoice -> en-US_MichaelV3Voice
• es-ES_EnriqueVoice -> es-ES_EnriqueV3Voice
• es-ES_LauraVoice -> es-ES_LauraV3Voice
• es-LA_SofiaVoice -> es-LA_SofiaV3Voice
• es-US_SofiaVoice -> es-US_SofiaV3Voice
• fr-FR_ReneeVoice -> fr-FR_ReneeV3Voice
• it-IT_FrancescaVoice -> it-IT_FrancescaV3Voice
• ja-JP_EmiVoice -> ja-JP_EmiV3Voice
• pt-BR_IsabelaVoice -> pt-BR_IsabelaV3Voice

Wenn Sie den optionalen Parameter „ voice “ in einer Sprachsyntheseanfrage weglassen, verwendet der Dienst nun standardmäßig „ en-US_MichaelV3Voice “. Diese neuronale Stimme ( v3 ) ersetzt die bisherige standardmäßige Verkettungsstimme ( v1 ) en-US_MichaelVoice.

Die Beta-Funktion Tune by Example ist veraltet. Die APIs zur Erstellung neuer Prompts oder Sprechermodelle werden nicht mehr unterstützt.

• Bestehende Benutzer: Bestehende Anpassungen, die bereits Prompts oder Sprechermodelle enthalten, werden für einen begrenzten Zeitraum weiterhin für die Sprachsynthese funktionieren. Es können jedoch keine neuen Prompts oder Sprechermodelle erstellt werden.
• Neue Benutzer: Die APIs zum Erstellen von Prompts oder Sprechermodellen sind deaktiviert und können nicht verwendet werden.

Die Funktion "Tune by Example" wird in einer zukünftigen Version vollständig aus dem Dienst entfernt werden. Nach der Entfernung wird die Synthese mit Anpassungen, die auf Eingabeaufforderungen oder Lautsprechermodellen basieren, nicht mehr unterstützt.

Der Dienst unterstützt nun zwei neue natürliche Stimmen – eine männliche und eine weibliche – für australisches Englisch:

• en-AU_JackNatural
• en-AU_HeidiNatural

Natural Voices bieten eine erweiterte Leistung in Bezug auf Natürlichkeit und Ausdruckskraft. Diese Stimmen verwenden verschiedene Techniken, um einen Vorteil gegenüber den expressiven Stimmen zu erzielen. Weitere Informationen finden Sie

• Natürliche Stimmen
• Zeichen für Englisch (Australien)

Der Dienst unterstützt nun zwei neue natürliche Stimmen – eine männliche und eine weibliche – für lateinamerikanisches Spanisch:

• es-LA_AlejandroNatural
• es-LA_DanielaNatural

Natural Voices bieten eine erweiterte Leistung in Bezug auf Natürlichkeit und Ausdruckskraft. Diese Stimmen verwenden verschiedene Techniken, um einen Vorteil gegenüber den expressiven Stimmen zu erzielen. Weitere Informationen finden Sie

• Natürliche Stimmen
• Symbole für Spanisch

Der Dienst unterstützt jetzt zwei neue natürliche Stimmen - eine männliche und eine weibliche - für brasilianisches Portugiesisch:

• pt-BR_LucasNatural
• pt-BR_CamilaNatural

Natural Voices bieten eine erweiterte Leistung in Bezug auf Natürlichkeit und Ausdruckskraft. Diese Stimmen verwenden verschiedene Techniken, um einen Vorteil gegenüber den expressiven Stimmen zu erzielen. Weitere Informationen finden Sie

• Natürliche Stimmen
• Zeichen für Portugiesisch (Brasilien)

Der Dienst unterstützt jetzt vier neue natürliche Stimmen - zwei männliche und zwei weibliche - für US-Englisch:

• en-US_EmmaNatural
• en-US_EthanNatural
• en-US_JacksonNatural
• en-US_VictoriaNatural

Der Dienst unterstützt jetzt zwei neue natürliche Stimmen - männlich und weiblich - für britisches Englisch:

• en-GB_ChloeNatural
• en-GB_GeorgeNatural

Der Dienst unterstützt jetzt eine neue weibliche natürliche Stimme für CA English:

• en-CA_HannahNatural

Natural Voices bieten eine erweiterte Leistung in Bezug auf Natürlichkeit und Ausdruckskraft. Diese Stimmen verwenden verschiedene Techniken, um einen Vorteil gegenüber den expressiven Stimmen zu erzielen. Weitere Informationen finden Sie

• Natürliche Stimmen
• Englische Symbole(Vereinigte Staaten und Kanada)
• Symbole für Englisch (Vereinigtes Königreich)

Der Dienst unterstützt jetzt eine neue Generation von Stimmen, die Natural Voices, mit einer neuen Stimme für US-Englisch:

• en-US_EllieNatural

Natural Voices bieten eine erweiterte Leistung in Bezug auf Natürlichkeit und Ausdruckskraft. Diese Stimmen verwenden verschiedene Techniken, um einen Vorteil gegenüber den expressiven Stimmen zu erzielen. Weitere Informationen finden Sie unter Natürliche Stimmen.

Sie können nun den Wert group oder single mit dem optionalen Attribut format angeben. Diese Attribute tragen dazu bei, die Lesbarkeit alphanumerischer Zeichenfolgen, wie z. B. die Bestätigung von Zahlen und ID, durch das Hinzufügen strategischer Pausen zu verbessern.

Der Dienst unterstützt jetzt eine neue männliche, ausdrucksstarke neuronale Stimme für brasilianisches Portugiesisch:

• pt-BR_LucasExpressive

Expressive neuronale Stimmen bieten natürlich klingende Sprache, die klar, knackig und flüssig ist. Die neue Stimme ist allgemein verfügbar (GA) für den Produktionseinsatz. Es unterstützt sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole. Weitere Informationen finden Sie

• Ausdrucksstarke neuronale Stimmen
• Zeichen für Portugiesisch (Brasilien)
• Portugiesische Ausdrucksweisen

Der Dienst unterstützt jetzt eine neue männliche ausdrucksstarke neuronale Stimme für UK-Englisch:

• en-GB_GeorgeExpressive

Expressive neuronale Stimmen bieten natürlich klingende Sprache, die klar, knackig und flüssig ist. Die neue Stimme ist allgemein verfügbar (GA) für den Produktionseinsatz. Es unterstützt sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole. Weitere Informationen finden Sie

• Ausdrucksstarke neuronale Stimmen
• Symbole für Englisch (Vereinigtes Königreich)

Der Service unterstützt jetzt eine neue ausdrucksstarke neuronale Stimme für lateinamerikanisches Spanisch

• es-LA_DanielaExpressive

Expressive neuronale Stimmen bieten natürlich klingende Sprache, die klar, knackig und flüssig ist. Die neue Stimme ist allgemein verfügbar (GA) für den Produktionseinsatz. Es unterstützt sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole. Weitere Informationen finden Sie

• Ausdrucksstarke neuronale Stimmen.
• Spanische Ausdrucksstimmen.
• Symbole für Spanisch.

Wichtig: Alle neuronalen Stimmen haben ihr Serviceenddatum erreicht und wurden aus dem Service und der Dokumentation entfernt. Es sind keine verstärkten neuralen oder expressiven neuralen Stimmen betroffen. Eine vollständige Liste aller veralteten neuronalen Stimmen finden Sie in den Dienstaktualisierungen vom 1. März 2023. Der Versuch, eine veraltete Stimme zu verwenden, liefert den HTTP 404 mit der Meldung " Model '{voice}' not found.

Neue neuronale und expressive neuronale Stimmen sind für das australische Englisch, Koreanisch und Niederländisch verfügbar. Sie müssen auf eine der neuen Stimmen für australisches Englisch, Koreanisch oder Niederländisch umsteigen, um die veralteten Sprachen weiterhin verwenden zu können.

Weitere Informationen finden Sie unter Sprachen und Stimmen.

Der Service unterstützt jetzt eine neue erweiterte neuronale Frauenstimme für Niederländisch (Niederlande): nl-NL_MerelV3Voice Es unterstützt sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole.

Bei der neuen Stimme handelt es sich um Beta-Funktionen, bis die Unterstützung für SSML abgeschlossen ist. In der ersten Version unterstützt die Stimme die Verwendung der folgenden SSML-bezogenen Funktionen nicht:

• Das Element <prosody> mit einer Sprachsyntheseanforderung
• Die Parameter rate_percentage und pitch_percentage mit allen Sprachsyntheseanforderungen
• Element <mark> mit einer WebSocket-Sprachsyntheseanforderung
• Parameter timings der JSON-Textnachricht mit einer WebSocket-Sprachsyntheseanforderung

Weitere Informationen über die neue Stimme, ihre Unterstützung für IPA-und SPR-Symbole und die Migration von den veralteten niederländischen neuronalen Stimmen auf die neue Stimme finden Sie unter

• Erweiterte neuronale Stimmen
• Zeichen für Niederländisch (Niederlande)

Defekt behoben: In der Dokumentation für koreanische SPR-Symbole werden zweistellige Symbole für Konsonanten jetzt in einfache Anführungszeichen gesetzt, so dass sie ein einziges Symbol sind. Zuvor wurden sie als zwei separate Symbole ohne Anführungszeichen dargestellt. Weitere Informationen finden Sie unter Konsonanten(Koreanisch).

Die Übersichtsdokumentation für IBM SPR-Symbole wurde aktualisiert, um die Verwendung von Symbolen mit mehreren Zeichen zu verdeutlichen. Weitere Informationen finden Sie unter Sprachensymbole.

Wichtig: Mit Wirkung vom 31. März 2023 erreichen alle neuronalen Stimmen das Serviceenddatum und werden aus dem Service und der Dokumentation entfernt. Die neuronalen Stimmen sind seit dem 31. März 2022 veraltet. Es sind keine erweiterten neuronalen oder expressiven neuronalen Stimmen betroffen.

Die folgenden neuronalen Stimmen werden entfernt:

• Arabisch: ar-MS_OmarVoice
• Chinesisch (Mandarin): zh-CN_LiNaVoice, zh-CN_WangWeiVoice und zh-CN_ZhangJingVoice
• Tschechisch: cs-CZ_AlenaVoice
• Niederländisch (Belgien): nl-BE_AdeleVoice und nl-BE_BramVoice
• Niederländisch (Niederlande): nl-NL_EmmaVoice und nl-NL_LiamVoice
• Englisch (Australien): en-AU_CraigVoice, en-AU_MadisonVoice und en-AU_SteveVoice
• Koreanisch: ko-KR_HyunjunVoice, ko-KR_SiWooVoice, ko-KR_YoungmiVoice und ko-KR_YunaVoice
• Schwedisch: sv-SE_IngridVoice

Neue erweiterte neuronale und expressive neuronale Stimmen sind bereits für die australische englische und koreanische Sprache verfügbar. In den kommenden Wochen wird eine neue erweiterte neuronale Stimme für die niederländische Sprache verfügbar sein. Sie müssen vor dem 31. März 2023 auf eine der neuen Stimmen für Englisch (Australien), Koreanisch oder Niederländisch (Niederlande) migrieren.

Weitere Informationen finden Sie unter Sprachen und Stimmen.

Der Service unterstützt jetzt zwei neue expressive neuronale Stimmen, männlich und weiblich, für australisches Englisch:

• en-AU_HeidiExpressive
• en-AU_JackExpressive

Expressive neuronale Stimmen bieten natürlich klingende Sprache, die außergewöhnlich klar, knackig und flüssig ist. Die neuen Stimmen sind nun allgemein verfügbar (GA) und können in der Produktion eingesetzt werden. Sie unterstützen sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole. Weitere Informationen finden Sie

• Ausdrucksstarke neuronale Stimmen
• Zeichen für Englisch (Australien)

Sie können von neuronalen Stimmen für australisches Englisch, die veraltet sind, auf die neuen expressiven neuronalen Stimmen migrieren.

Der Service unterstützt jetzt eine neue neuronale weibliche Stimme für Koreanisch: ko-KR_JinV3Voice. Die neue Stimme ist allgemein verfügbar (GA) für den Produktionseinsatz. Es unterstützt sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole. Weitere Informationen finden Sie

• Erweiterte neuronale Stimmen
• Symbole für Koreanisch

Sie können von koreanischen neuronalen Stimmen, die veraltet sind, auf die neue erweiterte neuronale Stimme migrieren.

Fehlerkorrektur: Die französischen und kanadischen Stimmen sprechen Zeiten wie 19:41 nun korrekt aus. Bisher wurden die Stimmen ausgelassen Elemente der Zeit in der synthetisierten Audio.

Fehlerkorrektur: Die japanische Stimme fügt nicht mehr unerwartete Audiodaten in Sprachsyntheseergebnisse ein. Zuvor wurden in bestimmten Fällen andere Töne eingefügt.

{{{site.data.keyword.IBM_notm}} kündigte die Abschaffung von IBM Cloud Foundry zum 31. Mai 2022 an. Ab dem 30. November 2022 können neue IBM Cloud Foundry nicht mehr erstellt werden und nur noch bestehende Nutzer können Anwendungen bereitstellen. IBM Cloud Foundry erreicht das Ende des Supports am 1. Juni 2023. Dann werden alle IBM Cloud Foundry, auf denen IBM Cloud Foundry werden dauerhaft deaktiviert, deprovisioniert und gelöscht.

Um Ihre IBM Cloud über den 1. Juni 2023 hinaus nutzen zu können, müssen Sie vor diesem Datum zu Ressourcengruppen migrieren. Ressourcengruppen sind konzeptionell ähnlich wie Cloud Foundry. Dazu gehören mehrere zusätzliche Vorteile, wie beispielsweise eine feinere Zugriffskontrolle durch den Einsatz von „ IBM Cloud Identity and Access Management “ (IAM), die Möglichkeit, Service-Instanzen mit Anwendungen und Diensten in verschiedenen Regionen zu verbinden, sowie eine einfache Möglichkeit, die Nutzung nach Gruppen anzuzeigen.

Fehlerkorrektur: Sie können jetzt das Element <say-as> verwenden, um große Zahlen als Kardinalzahlen auszusprechen. Zuvor konnte das Einschließen einer großen Zahl in das <say-as> mit dem Attribut interpret-as="cardinal" dazu führen, dass die Sprachsynthese für englische Stimmen fehlschlug. Zum Beispiel könnte <say-as interpret-as="cardinal">3,200</say-as> dazu führen, dass der Dienst einen Fehler erzeugt. Weitere Informationen finden Sie unter cardinal im Abschnitt SSML-Elemente.

Fehlerkorrektur: Der Service spricht jetzt Homonyme und andere Wörter basierend auf ihrem Kontext im englischen Text, der synthetisiert werden soll, korrekt aus. Zuvor konnten Wörter wie advocate und wifi von englischen Stimmen falsch ausgesprochen werden.

• Angepasstes Modell erstellen
• API- und SDK-Referenz

Der Service bietet vier neue expressive neuronale Stimmen für amerikanisches Englisch:

• en-US_AllisonExpressive
• en-US_EmmaExpressive
• en-US_LisaExpressive
• en-US_MichaelExpressive

Expressive neuronale Stimmen bieten natürlich klingende Sprache, die außergewöhnlich klar, knackig und flüssig ist. Die neuen Stimmen sind nun allgemein verfügbar (GA) und können in der Produktion eingesetzt werden. Sie unterstützen sowohl die Verwendung des Internationalen Phonetischen Alphabets (IPA) als auch die IBM Symbolische Phonetische Repräsentation (SPR) phonetische Symbole. Weitere Informationen finden Sie

• Ausdrucksstarke neuronale Stimmen
• Symbole für Englisch (Vereinigte Staaten)

Die expressiven neuronalen Stimmen bestimmen die Stimmung des Textes aus dem Kontext seiner Wörter und Phrasen. Die Sprache, die sie produzieren, hat nicht nur einen konversationellen Stil, sondern spiegelt auch die Stimmung des Textes wider. Aber Sie können die natürlichen Tendenzen der Stimmen verschönern, indem Sie angeben, dass der gesamte oder ein Teil des Textes einen der folgenden Sprechstile hervorheben soll:

• Fröhlich-Drückt Glück und gute Nachrichten aus.
• Empathisch-äußert Empathie oder Sympathie.
• Neutral-Drückt Objektivität und Ebenheit aus.
• Unsicher-Drückt Verwirrung oder Unsicherheit aus.

Weitere Informationen finden Sie unter Sprechstile verwenden.

Bei expressiven neuronalen Stimmen erkennt der Service automatisch eine Gruppe allgemeiner Interjektionen basierend auf dem Kontext. Wenn es diese Interjektionen synthetisiert, gibt es ihnen die natürliche Betonung, die ein Mensch in normalen Gesprächen verwenden würde. Für einige der Interjections können Sie SSML verwenden, um deren Hervorhebung zu aktivieren oder zu inaktivieren. Weitere Informationen finden Sie unter Emphasizing interjections.

Die expressiven Stimmen verwenden einen Dialogstil, der natürlich die richtige Intonation aus dem Kontext anwendet. Sie können jedoch angeben, dass mindestens ein Wort mehr oder weniger hervorgehoben werden soll. Die Spannungsänderung kann durch eine Erhöhung oder Abnahme der Tonhöhe, des Timings, der Lautstärke oder anderer akustischer Attribute angezeigt werden. Weitere Informationen finden Sie unter Emphasizing words.

• Weitere Informationen zu den verfügbaren Formaten finden Sie unter Unterstützte Audioformate.
• Weitere Informationen zum Angeben eines Formats finden Sie unter Audioformat angeben.

Wichtig: Per 31. März 2022 werden keine neuronalen Stimmen mehr unterstützt. Die veralteten Stimmen bleiben für vorhandene Benutzer verfügbar, bis sie am 31. März 2023 aus dem Service und der Dokumentation entfernt werden. Keine erweiterten neuronalen Stimmen oder expressiven Stimmen sind veraltet.

Die folgenden neuronalen Stimmen sind jetzt veraltet:

• Arabisch: ar-MS_OmarVoice
• Chinesisch (Mandarin): zh-CN_LiNaVoice, zh-CN_WangWeiVoice und zh-CN_ZhangJingVoice
• Tschechisch: cs-CZ_AlenaVoice
• Niederländisch (Belgien): nl-BE_AdeleVoice und nl-BE_BramVoice
• Niederländisch (Niederlande): nl-NL_EmmaVoice und nl-NL_LiamVoice
• Englisch (Australien): en-AU_CraigVoice, en-AU_MadisonVoice und en-AU_SteveVoice
• Koreanisch: ko-KR_HyunjunVoice, ko-KR_SiWooVoice, ko-KR_YoungmiVoice und ko-KR_YunaVoice
• Schwedisch: sv-SE_IngridVoice

Die veralteten neuronalen Stimmen sind weiterhin für vorhandene Benutzer verfügbar, aber für neue Benutzer nicht mehr verfügbar:

• Vorhandene Benutzer: Instanzen des Service, die vor 31. März 2022 erstellt wurden, können die veralteten Stimmen weiterhin für die Sprachsynthese verwenden. Die Instanzen können auch zum Erstellen und Bearbeiten benutzerdefinierter Modelle verwendet werden, die auf den veralteten Stimmen basieren. Außerdem können sie weiterhin die Stimmen mit den Methoden GET /v1/voices und GET /v1/voices/{voice} auflisten und abfragen.
• Neue Nutzer: Bei Instanzen des Dienstes, die am oder nach dem 31. März 2022 erstellt werden, können die veralteten Stimmen für die Sprachsynthese nicht mehr verwendet werden. Die Instanzen können zudem nicht zum Erstellen benutzerdefinierter Modelle verwendet werden, die auf den veralteten Stimmen basieren. Außerdem können sie die Stimmen nicht mit den Methoden GET /v1/voices und GET /v1/voices/{voice} auflisten oder abfragen. Jeder API-Aufruf, der eine der veralteten Stimmen enthält, gibt je nach Aufruf den HTTP-Fehlercode 400 oder 404 zurück.

Neue Stimmen für australisches Englisch, Niederländisch und Koreanisch werden bis zum 15. Februar 2023 veröffentlicht. Wenn Sie australisches Englisch, Niederländisch oder Koreanisch verwenden, werden Ihre API-Aufrufe automatisch zu den neuen Stimmen in dieser Sprache umgeleitet. Stimmen in Arabisch, Chinesisch, Tschechisch, Schwedisch und Flämisch werden aus dem Dienst entfernt.

Weitere Informationen zu allen verfügbaren Sprachen und Stimmen finden Sie unter „ Sprachen und Stimmen “.

Die Standard-Verkettungsstimmen sind seit dem 2. Dezember 2020 veraltet. Diese Standardstimmen wurden jetzt aus der API-Referenz entfernt. Das Thema „Umstellung von Standardstimmen auf neuronale Stimmen“ wurde ebenfalls von der Seite „ Sprachen und Stimmen “ entfernt.

In ähnlicher Weise wird auch der frühere Name der arabischen Stimme, ar-AR_OmarVoice, nicht mehr verwendet. Es wurde auch aus der Dokumentation entfernt. Verwenden Sie stattdessen die Stimme ar-MS_OmarVoice.

Das Antwortobjekt, das der Dienst sendet, wenn Sie über die Schnittstelle „ WebSocket “ Wortzeitangaben anfordern, hat sich geändert. Der Service sendet jetzt Worttaktergebnisse in einem einzelnen Array, das eine Zeichenfolge gefolgt von zwei Gleitkommazahlen enthält:

{
  "words": [
    ["Hello", 0.0, 0.259],
    ["world", 0.259, 0.532]
  ]
}

Zuvor wurden vom Service Taktergebnisse als Array mit einer Zeichenfolge gesendet, auf die ein Array mit zwei Gleitkommazahlen folgt:

{
  "words": [
    ["Hello", [0.0629826778195474, 0.2590192737303819]],
    ["world", [0.2598829173456253, 0.5322130804452672]]
  ]
}

Außerdem wird die Genauigkeit für Worttaktinformationen und -markierungen jetzt auf drei Dezimalstellen reduziert. Weitere Informationen zu den neuen Antworten finden Sie unter Wortzeitdauer generieren.

Anmerkung: Die Ergebnisse für erweiterte neuronale und neuronale Stimmen waren bisher unterschiedlich. Diese Inkonsistenzen können zu Fehlern bei den SDKs von „ Watson “ führen. Die Ergebnisse für alle Stimmen sind jetzt konsistent.

• Die Beispiele für das Element <break> sind jetzt korrekt. Das Element ist monadisch, wie in den Beispielen gezeigt. Die vorherigen Beispiele enthielten Tag-Paare mit eingebettetem Text. Der eingebettete Text wurde vom Service nicht gesprochen. Weitere Informationen finden Sie unter Element <break>.
• Der Service unterstützt SSML-Version 1.1. Alle Referenzen und Beispiele verwenden jetzt die richtige Version. In der Dokumentation wurde zuvor auf Version 1.0 verwiesen.

Eine neue Sprache - Tschechisch - mit einer neuen weiblichen Stimme namens cs-CZ_AlenaVoice ist jetzt verfügbar. Bei der Stimme handelt es sich um eine neuronale Stimme.

Eine neue männliche Stimme für belgisches Niederländisch (Flämisch) namens nl-BE_BramVoice ist jetzt verfügbar. Bei der Stimme handelt es sich um eine neuronale Stimme.

Behebung von Fehlern: Die folgenden Fehler im Zusammenhang mit der Speech Synthesis Markup Language (SSML) und der Sprachsynthese wurden mit dieser Version behoben:

• Das Attribut pitch des Elements <prosody> wird jetzt auf den gesamten angegebenen Text angewendet. Zuvor wurde die Änderung der Tonhöhe teilweise nicht auf das erste Wort des betroffenen Texts angewendet. Außerdem enthält die Dokumentation nun weitere Hinweise zur Angabe eines Werts für „ pitch “. Weitere Informationen finden Sie unter Attribut pitch.
• Die Sprachsynthese für japanische Texte liefert nun Audioausgabe mit einem langsameren Sprechtempo. Bisher war das Tempo der synthetisierten Aussprache zu hoch. Wenn Sie feststellen, dass das Sprechtempo in synthetisierten japanischen Texten für Ihre Anwendung noch zu hoch ist, können Sie das Tempo mit dem Attribut rate des SSML-Elements <prosody> verändern. Weitere Informationen finden Sie unter Attribut rate.
• Von neuronalen Stimmen wird das Escapezeichen für Hochkommas (') jetzt wie erforderlich analysiert. Bisher wurde das Zeichen von einigen neuronalen Stimmen nicht richtig interpretiert.

Der Service unterstützt jetzt kanadisches Französisch mit der erweiterten neuronalen Stimme fr-CA_LouiseV3Voice. Die Stimme für kanadisches Französisch unterstützt die Anpassung und ist allgemein verfügbar (GA) für den Produktionseinsatz.

• Ein Beispiel der neuen Stimme finden Sie unter Unterstützte Sprachen und Stimmen.
• Weitere Informationen zu den phonetischen Zeichen und Unicode-Werten, die für kanadisches Französisch verfügbar sind, finden Sie unter Zeichen für Französisch (Kanada).

Mit der neuen Funktion "Tune by Example" können Sie steuern, wie der angegebene Text vom Service gesprochen wird. Bei dieser Funktion handelt es sich um eine Beta-Funktion, die nur für benutzerdefinierte Modelle und Stimmen in US-Englisch unterstützt wird. Die Funktion besteht aus zwei Komponenten:

• Angepasste Prompts schließen den geschriebenen Text ein, der gesprochen werden soll, und Audioaufzeichnungen enthalten den Text in der von Ihnen gewünschten Aussprache. Die Audiodaten geben Intonation, Kadenz und Betonung des synthetisierten Texts an. Der Prompt kann verschiedene Silben oder Wörter hervorheben, Pausen einführen, bei den synthetisierten Audiodaten eine insgesamt natürlichere Aussprache erreichen und die Aussprache an den zugehörigen Kontext anpassen.
• Sprechermodelle stellen Registrierungsaudiodateien zu Benutzern bereit, von denen Prompts gesprochen werden. Ein Sprechermodell stellt Beispielaudiodaten für die Stimme eines Sprechers bereit. Vom Service wird ein auf die Stimme bezogenes Training durchgeführt, was dazu beitragen kann, dass qualitativ hochwertigere Prompts für den jeweiligen Sprecher erzeugt werden.

Sie geben einen angepassten Prompt mit einer Sprachsyntheseanforderung an, um anzugeben, wie der Text von der Stimme des Service gesprochen werden soll. Für die Angabe eines Prompts verwenden Sie die SSML-Erweiterung <ibm:prompt id="{prompt_id}"/>. In der synthetisierten Audioausgabe wird die Prosodie des Prompts kopiert.

Der Service beinhaltet acht neue Methoden für die Arbeit mit der Funktion "Tune by Example". Die nachfolgenden Beschreibungen der neuen Methoden enthalten Links zu den entsprechenden Einträgen in der API- und SDK-Referenz. Möglicherweise müssen Sie die Registerkarte Curl der Referenz auswählen, damit die neuen Methoden angezeigt werden.

• Der Service enthält vier Methoden zum Arbeiten mit angepassten Prompts:

  • Angepasste Eingabeaufforderungen auflisten: GET /v1/customizations/{customization_id}/prompts
  • Angepasste Eingabeaufforderung abrufen: GET /v1/customizations/{customization_id}/prompts/{prompt_id}
  • Benutzerdefinierte Eingabeaufforderung löschen: DELETE /v1/customizations/{customization_id}/prompts/{prompt_id}

• Der Service umfasst vier Methoden zum Arbeiten mit Sprechermodellen:

  • Lautsprechermodelle auflisten: GET /v1/speakers
  • Lautsprechermodell abrufen: GET /v1/speakers/{speaker_id}
  • Lautsprechermodell löschen: DELETE /v1/speakers/{speaker_id}

Die Namen der Aktionen für die Activity Tracker-Ereignisse für die Anpassungsmethoden wurden geändert. Die Aktionen enthalten jetzt die Zeichenfolge custom-model anstelle von custom-voice. Die vorherigen Namen der Aktionen sind veraltet. Diese veralteten Namen sind weiterhin zur Verwendung verfügbar, werden aber zu einem späteren Zeitpunkt entfernt. Migrieren Sie so schnell wie möglich auf die neuen Namen, die in Anpassungsereignisse aufgelistet sind.

Ereignisse erstellen Veralteter Aktionsname-> Neuer Aktionsname

• text-to-speech.custom-voice.create -> text-to-speech.custom-model.create
• text-to-speech.custom-voice-word-list.create -> text-to-speech.custom-model-word-list.create
• text-to-speech.custom-voice-word.create -> text-to-speech.custom-model-word.create

Ereignisse lesen Veralteter Aktionsname-> Neuer Aktionsname

• text-to-speech.custom-voice-list.read -> text-to-speech.custom-model-list.read
• text-to-speech.custom-voice.read -> text-to-speech.custom-model.read
• text-to-speech.custom-voice-word-list.read -> text-to-speech.custom-model-word-list.read
• text-to-speech.custom-voice-word.read -> text-to-speech.custom-model-word.read

Ereignis aktualisieren Veralteter Aktionsname-> Neuer Aktionsname

• text-to-speech.custom-voice.update -> text-to-speech.custom-model.update

Ereignisse löschen Veralteter Aktionsname-> Neuer Aktionsname

• text-to-speech.custom-voice.delete -> text-to-speech.custom-model.delete
• text-to-speech.custom-voice-word.delete -> text-to-speech.custom-model-word.delete

Die vom Dienst angebotenen Stimmen haben sich erheblich verändert. Der Service unterstützt neue Sprachen und Stimmen, die Qualität vieler Stimmen wurde verbessert und viele ältere Stimmen werden jetzt als veraltet eingestuft. Darüber hinaus sind nun alle Sprachdienste anpassbar und für den produktiven Einsatz allgemein verfügbar (GA).

Zur Optimierung der Gesamtqualität der Sprachsynthese basieren nun alle verfügbaren Stimmen auf neuronaler Technologie. Der Service bietet zwei Typen von Stimmen, die auf neuronaler Technologie basieren:

• Neuronale Stimmen, die nicht die Zeichenfolge V3 in ihren Namen enthalten, sind jetzt für Arabisch, Australisches Englisch, Chinesisch, Niederländisch (Niederlande) und Koreanisch verfügbar. Neuronale Stimmen unterstützen die Verwendung des Internationalen Phonetischen Alphabets (IPA) mit dem SSML-Element (SSML = Speech Synthesis Markup Language) <phoneme>.
• Erweiterte neuronale Stimmen, die die Zeichenfolge V3 in ihren Namen enthalten, sind jetzt für brasilianisches Portugiesisch, britisches und amerikanisches Englisch, Französisch, Deutsch, Italienisch, Japanisch und Spanisch (alle Dialekte) verfügbar. Erweiterte neuronale Stimmen unterstützen das IPA und IBM Symbolic Phonetic Representation (SPR) mit dem SSML-Element <phoneme>. Erweiterte neuronale Stimmen erreichen darüber hinaus eine etwas höhere Qualität in Bezug auf eine natürliche Aussprache. In den kommenden Monaten werden weitere Anpassungsmöglichkeiten für verbesserte neuronale Stimmen bereitgestellt.

Standardstimmen werden vom Service für keine Sprache mehr angeboten. Bei den Standardstimmen wurden Segmente aufgezeichneter Sprache mittels Verkettungssynthese zusammengefügt, um die gewünschte Audiodatei zu erzeugen.

Weitere Informationen finden Sie unter Sprachen und Stimmen.

Die folgenden Stimmen für australisches Englisch und Koreanisch sind neu:

• Der Service unterstützt jetzt australisches Englisch mit den beiden folgenden neuronalen Stimmen: en-AU_CraigVoice und en-AU_MadisonVoice.
• Der Service unterstützt jetzt zwei neue neuronale Stimmen in Koreanisch: ko-KR_HyunjunVoice und ko-KR_SiWooVoice.

Die Stimmen für die bisherigen Sprachen Arabisch, Chinesisch, Niederländisch und Koreanisch, die alle auf der Basis von Text-to-Speech-Technologie erstellt wurden, sind nun auf neuronalen Netzen basierend:

• ar-MS_OmarVoice
• ko-KR_YoungmiVoice
• ko-KR_YunaVoice
• nl-NL_EmmaVoice
• nl-NL_LiamVoice
• zh-CN_LiNaVoice
• zh-CN_WangWeiVoice
• zh-CN_ZhangJingVoice

Außerdem wurden folgende weitere Änderungen vorgenommen:

• Die Stimme für Arabisch trägt jetzt den Namen ar-MS_OmarVoice. Der frühere Name ar-AR_OmarVoice ist veraltet. Die Stimme kann mindestens ein Jahr weiterhin verwendet werden, wird zu einem späteren Zeitpunkt jedoch möglicherweise entfernt. Es wird empfohlen, sobald wie möglich auf den neuen Namen zu migrieren.
• Die arabische Sprache unterstützt jetzt die Verwendung von IPA-Zeichen und Unicode-Werten mit dem SSML-Element <phoneme>. Zum Erstellen eines angepassten Modells für Arabisch müssen Sie die Sprachenkennung ar-MS verwenden. Die ID ar-AR wird für die Anpassung nicht unterstützt.
• Die IPA-Zeichen für die arabische Sprache sind neu. Die zuvor dokumentierten Symbole wurden ersetzt.
• Die IPA-Zeichen für die Niederländisch (Niederlande) wurden wie folgt geändert:
  • Niederländisch (Niederlande) unterstützt die folgenden IPA-Symbole nicht mehr: tʲ (0074+02B2), ɲ (0272), ʦ (02A6) und ʔ (0294).
  • Für Niederländisch wird nun das folgende IPA-Symbol unterstützt: ɣ (0263).

Die folgenden Standard-Verkettungsstimmen sind nun veraltet:

• de-DE_BirgitVoice
• de-DE_DieterVoice
• en-GB_KateVoice
• en-US_AllisonVoice
• en-US_LisaVoice
• en-US_MichaelVoice
• es-ES_EnriqueVoice
• es-ES_LauraVoice
• es-LA_SofiaVoice
• es-US_SofiaVoice
• fr-FR_ReneeVoice
• it-IT_FrancescaVoice
• ja-JP_EmiVoice
• pt-BR_IsabelaVoice

Alle Standardstimmen, die veraltet sind, haben gleichwertige neuronale Entsprechungen, sodass keine Stimme entfällt. Sie können jeweils zur funktional entsprechenden neuronalen Version der Stimme wechseln (z. B. von de-DE_BirgitVoice zu de-DE_BirgitV3Voice), um bessere Ergebnisse bei der Sprachsynthese zu erzielen.

Die veralteten Stimmen wurden aus der veröffentlichten Dokumentation entfernt. Sie können mindestens ein Jahr weiterhin verwendet werden, werden jedoch möglicherweise zu einem späteren Zeitpunkt entfernt. Es wird empfohlen, möglichst schnell auf die entsprechenden neuronalen Stimmen zu migrieren.

Wenn Sie den optionalen Parameter voice in einer Sprachsyntheseanforderung auslassen, wird vom Service standardmäßig en-US_MichaelV3Voice verwendet. Diese neuronale Stimme ersetzt die jetzt veraltete Standardstimme en-US_MichaelVoice, die zuvor als Standardeinstellung verwendet wurde.

Die folgenden Funktionen standen nur für Standard-Kombinationsstimmen zur Verfügung. Sie sind veraltet und wurden aus der veröffentlichten Dokumentation entfernt. Sie können mindestens ein Jahr weiterhin verwendet werden, werden jedoch möglicherweise zu einem späteren Zeitpunkt entfernt. Es wird empfohlen, diese Funktionen aus Ihren Anwendungen zu entfernen und baldmöglichst auf neuronale Stimmen zu migrieren.

• SSML für Expressivität. Hierbei handelt es sich um eine IBM Erweiterung für SSML, die nur für die Stimme en-US_AllisonVoice unterstützt wurde.
• SSML für Stimmenumwandlung. Hierbei handelt es sich um eine IBM Erweiterung für SSML, die nur für die Stimmen en-US_AllisonVoice, en-US_LisaVoice und en-US_MichaelVoice unterstützt wurde.
• Das Attribut volume des Elements <prosody>. Dieses Attribut war für alle Standardstimmen verfügbar.

Wenn diese SSML-Elemente in eine Syntheseanforderung für eine neuronale Stimme aufgenommen werden, wird der HTTP-Antwortcode 400 generiert, da die Anforderung die SSML-Validierung nicht besteht. Weitere Informationen zur SSML-Validierung finden Sie in SSML-Validierung.

CORS-Unterstützung (CORS = Cross-Origin Resource Sharing) ist jetzt für alle Stimmen der Browser Google Chrome™ und Apple® Safari verfügbar. Sie ist nicht im Browser Mozilla Firefox™ für Stimmen in den folgenden Sprachen verfügbar: Arabisch, Englisch (Australien), Chinesisch, Niederländisch (Niederlande) und Koreanisch. Weitere Informationen finden Sie unter CORS support.

Fehlerkorrektur: Für die Stimme ja-JP_EmiV3Voice analysiert der Service jetzt den SSML-Eingabetext korrekt, der eine Spezifikation für 'prosody rate' enthält. Zuvor erfüllte die folgende Verwendung des Elements <prosody> denselben Zweck:

<speak>成功する/繁栄する</speak>

Die folgende Verwendung des Attributs rate mit dem Element <prosody> hat jedoch dazu geführt, dass die eingebettete SSML-Notation vom Serivce gelesen und gesprochen wurde:

<speak>
  <prosody rate="fast">成功する/繁栄する</prosody>
</speak>

Das Attribut rate des Elements <prosody> für japanische Eingabe wird jetzt vom Service ordnungsgemäß analysiert und angewendet.

Der Dienst bietet nun zwei neue neuronale Stimmen an:

• Englisch (Vereinigtes Königreich): en-GB_CharlotteV3Voice
• Französisch:fr-FR_NicolasV3Voice

Der Service bietet auch eine verbesserte Version der vorhandenen neuronalen Stimme für Großbritannien namens en-GB_KateV3Voice. Weitere Informationen zu den verfügbaren Stimmen finden Sie unter Sprachen und Stimmen.

Das Attribut digits des SSML-Elements <say-as> wird jetzt vom Service mit der japanischen Stimme unterstützt. Weitere Informationen finden Sie unter Element 'say-as'.

Der Service unterstützt jetzt zwei weibliche koreanische Standardstimmen: ko-KR_YoungmiVoice und ko-KR_YunaVoice. Die folgenden Informationen gelten für beide koreanischen Stimmen:

• Die Stimmen sind Beta-Funktionen. Sie sind möglicherweise nicht für die produktive Nutzung bereit und können Änderungen unterliegen. Es handelt sich um erste Angebote, die sich mit der Zeit und der Nutzung qualitativ verbessern.
• Die Stimmen unterstützen die Anpassung und die Methode /v1/pronunciation.
• Die Stimmen unterstützen das Element <mark> und den Parameter timings, die in der WebSocket-Schnittstelle verfügbar sind.
• Die Stimmen unterstützen alle SSML-Elemente (Speech Synthesis Markup Language) mit Ausnahme der expressiven SSML und der SSML für Stimmenumwandlung.
• Die Stimmen unterstützen nur das Internationale Phonetische Alphabet, nicht IBM Symbolic Phonetic Representation (SPR), mit dem Element <phoneme>.

Die Stimmen für Arabisch, Chinesisch und Niederländisch (Niederlande) in der Betaversion unterstützen jetzt die folgenden Funktionen:

• Die Anpassung und die Methode /v1/pronunciation.
• Das Element <mark> und der Parameter timings, die in der WebSocket-Schnittstelle verfügbar sind.

Die folgenden Abschnitte enthalten weitere Informationen:

• Weitere Informationen zu den verfügbaren Stimmen finden Sie unter Sprachen und Stimmen.
• Weitere Informationen zur Verwendung der Schnittstelle WebSocket zum Abrufen von Worttimings finden Sie unter Worttimings generieren.
• Weitere Informationen zur Anpassung enthält der Abschnitt Wissenswertes über die Anpassung.
• Weitere Informationen zur Verwendung des IPA- und des SPR-Formats mit der Anpassung finden Sie unter Erläuterungen zu phonetischen Zeichen. (Die IPA-Zeichen für die Sprachen Arabisch, Chinesisch, Niederländisch (Niederlande) und Koreanisch sind noch nicht dokumentiert. Diese Dokumentation wird in Kürze verfügbar sein.)

Der Service unterstützt jetzt fünf neue neuronale Stimmen:

• Amerikanisches Englisch: en-US_EmilyV3Voice, en-US_HenryV3Voice, en-US_KevinV3Voice und en-US_OliviaV3Voice
• Deutsch: de-DE_ErikaV3Voice

Die neuen Stimmen unterstützen die folgenden SSML-Elemente nicht:

• SSML für Expressivität mit dem Element <express-as>
• Stimmenumwandlung mit dem Element <voice-transformation>
• Das Attribut volume des Elements <prosody>

Weitere Informationen zu diesen und allen verfügbaren Stimmen finden Sie unter Sprachen und Stimmen.

Der Service unterstützt jetzt die Verwendung von Activity Tracker-Ereignissen für alle Anpassungsoperationen. IBM Cloud Activity Tracker zeichnet vom Benutzer eingeleitete Aktivitäten auf, die den Status eines Service in IBM Cloud ändern. Mithilfe dieses Service können Sie abnormale Aktivität und kritische Aktionen untersuchen sowie gesetzliche Prüfvorschriften erfüllen. Darüber hinaus können Sie Warnnachrichten Alerts über Aktionen empfangen, sobald diese stattfinden. Weitere Informationen finden Sie im Abschnitt Activity Tracker-Ereignisse.

Der Service unterstützt jetzt sechs neue Standardstimmen in drei neuen Sprachen:

• Arabisch: ar-AR_OmarVoice
• Chinesisch (Mandarin): zh-CN_LiNaVoice, zh-CN_WangWeiVoice und zh-CN_ZhangJingVoice
• *Niederländisch (Niederlande): * nl-NL_EmmaVoice und nl-NL_LiamVoice

Für diese neuen Standardstimmen gelten die folgenden Informationen:

• Die neuen Stimmen sind Beta-Funktionen. Die Stimmen sind möglicherweise nicht für die produktive Nutzung bereit und können Änderungen unterliegen. Es handelt sich um erste Angebote, die sich mit der Zeit und der Nutzung qualitativ verbessern.
• Die Stimmen unterstützen das Element <mark> und den Parameter timings nicht, die in der WebSocket-Schnittstelle verfügbar sind.
• Die Stimmen unterstützen die Anpassung und die Methode /v1/pronunciation nicht.
• Die Stimmen unterstützen weder die expressive SSML noch die SSML für Stimmenumwandlung.
• Die Stimmen unterstützen alle anderen SSML-Elemente. Sie unterstützen jedoch nur das Internationales Phonetische Alphabet (IPA) und nicht IBM Symbolic Phonetic Representation (SPR) mit dem Element <phoneme>.

Weitere Informationen zu diesen und allen verfügbaren Stimmen finden Sie unter Sprachen und Stimmen.

Der Text to Speech-Service unterstützt jetzt die vollständige Implementierung von IBM Cloud Identity and Access Management (IAM). API-Schlüssel für Watson-Services sind nicht länger auf eine einzelne Serviceinstanz beschränkt. Sie können Zugriffsrichtlinien und API-Schlüssel erstellen, die für mehr als einen Service gelten, und Sie können den Zugriff zwischen Services erteilen. Weitere Informationen zu IAM finden Sie unter Authentifizierung bei Watson-Services.

Damit diese Änderung unterstützt wird, verwenden die API-Serviceendpunkte eine andere Domäne und beziehen die Serviceinstanz-ID ein. Das Muster ist api.{location}.text-to-speech.watson.cloud.ibm.com/instances/{instance_id}.

• Beispiel einer HTTP-URL für eine Instanz, die am Standort Dallas gehostet ist:

  https://api.us-south.text-to-speech.watson.cloud.ibm.com/instances/6bbda3b3-d572-45e1-8c54-22d6ed9e52c2

• Beispiel für eine WebSocket-URL für eine Instanz, die am Standort Dallas gehostet ist:

  wss://api.us-south.text-to-speech.watson.cloud.ibm.com/instances/6bbda3b3-d572-45e1-8c54-22d6ed9e52c2

Weitere Informationen zu den URLs finden Sie in der API- und SDK-Referenz.

Diese URLs stellen keine Änderungen dar, die zu Fehlern bei anderen Services führen können. Die neuen URLs funktionieren sowohl für Ihre vorhandenen Serviceinstanzen als auch für neue Instanzen. Die ursprünglichen URLs funktionieren auf Ihren vorhandenen Serviceinstanzen weiterhin für mindestens ein Jahr bis Dezember 2020.

Unterstützung für die folgenden neuen Netz- und Datensicherheitsfunktionen ist jetzt verfügbar:

• Unterstützung für private Netzwerk-Endpunkte

  Benutzer von Premium-Plänen können private Netzendpunkte erstellen, um über ein privates Netz eine Verbindung zum Service Text to Speech herzustellen. Für Verbindungen zu privaten Netzendpunkten ist kein öffentlicher Internetzugriff erforderlich. Weitere Informationen finden Sie unter Öffentliche und private Netzendpunkte.

Der Service bietet nun zwei Versionen der meisten seiner verfügbaren Stimmen an:

• Standardstimmen, die mittels Verkettungssynthese Segmente aufgezeichneter Sprache zusammenfügen, um Audio zu erzeugen. Standardstimmen enthalten keine Versionszeichenfolge in ihrem Namen (z. B. en-US_AllisonVoice).
• Neuronale Stimmen, die komplexe mehrschichtige neuronale Netze (Deep Neural Networks, DNNs) verwenden, um die akustischen (spektralen) Merkmale der gesprochenen Sprache vorherzusagen. Neuronale Stimmen enthalten eine Versionszeichenfolge (V3) in ihrem Namen (z. B. en-US_AllisonV3Voice).

Neuronale Versionen sind für alle Standardstimmen verfügbar, mit Ausnahme der Stimme ja-JP_EmiVoice, für die die neuronale Version ansteht und in Kürze verfügbar sein wird. Sie können die SSML-Elemente <express-as> und <voice-transformation> nicht mit den neuronalen Stimmen verwenden. Auch das Attribut volume des Elements <prosody> kann nicht mit den neuronalen Stimmen verwendet werden. Weitere Informationen zu den verfügbaren Stimmen finden Sie unter Sprachen und Stimmen.

Der Service enthält nicht mehr die zuvor verfügbaren V2-DNN-Stimmen. Wenn Sie eine V2-Stimme in Ihrer Anwendung verwenden, verwendet der Service stattdessen automatisch die entsprechende V3-Stimme.

Der Service bietet jetzt V2DNN-Versionen (DNN; Deep Neural Network) für die deutschen Stimmen:

• de-DE_BirgitV2Voice
• de-DE_DieterV2Voice

Weitere Informationen zu DNN-basierten Stimmen finden Sie unter Sprachen und Stimmen.

Alle DNN-basierten Stimmen des Service unterstützen jetzt die Attribute pitch und rate des SSML-Elements <prosody>. Die DNN-basierten Stimmen unterstützen das Attribut volume des Elements <prosody> nicht. Weitere Informationen enthält der Abschnitt Element 'prosody'.

Benutzer können nun ausschließlich Informationen zu Serviceberechtigungsnachweisen für die Rolle anzeigen, die ihrem IBM Cloud-Konto zugeordnet ist. Falls Ihnen beispielsweise die Rolle reader zugeordnet ist, sind Serviceberechtigungsnachweise der Ebene writer oder einer höheren Ebene für Sie nicht mehr sichtbar.

Diese Änderung betrifft nicht den API-Zugriff für Benutzer oder Anwendungen mit bestehenden Serviceberechtigungsnachweisen. Sie wirkt sich lediglich auf das Anzeigen von Berechtigungsnachweisen in IBM Cloud aus.

Der Service bietet nun vier neue V2-Stimmen, die Audioausgabe mithilfe einer Deep-Learning-Synthese generieren:

• en-US_AllisonV2Voice
• en-US_LisaV2Voice
• en-US_MichaelV2Voice
• it-IT_FrancescaV2Voice

Diese neuen Stimmen verwenden maschinelles Lernen und DNN, um synthetisch Sprache aus Text zu erstellen. Die auch als 'DNN-basiert' (Deep Neural Network ) bezeichnete Deep-Learning-Synthese erzeugt Audioausgabe mit einem natürlicheren Satzrhythmus und einer konsistenteren Gesamtqualität.

Die neuen Stimmen erzeugen auch Audioausgabe mit unterschiedlicher Signalqualität, weshalb sie möglicherweise nicht für alle Anwendungen geeignet sind. Außerdem unterstützen die neuen Stimmen die SSML-Elemente <prosody>, <express-as> und <voice-transformation> nicht.

Weitere Informationen zu diesen DNN-basierten Stimmen und ihren Unterschieden zu den vorhandenen Stimmen finden Sie unter Sprachen und Stimmen.

Die WebSocket-Schnittstelle unterstützt jetzt die tokenbasierte Authentifizierung mit Identity and Access Management (IAM) mit browserbasiertem JavaScript-Code. Die bisherige Einschränkung auf das Gegenteil wurde behoben. So können Sie eine authentifizierte Verbindung mit der WebSocket-Methode /v1/synthesize herstellen:

• Wenn Sie die IAM-Authentifizierung verwenden, geben Sie den Abfrageparameter access_token an.
• Wenn Sie Cloud Foundry-Serviceberechtigungsnachweise verwenden, geben Sie den Abfrageparameter watson-token an.

Weitere Informationen hierzu finden Sie unter Verbindung öffnen.

Der Text to Speech-Service wurde für alle Standorte auf die tokenbasierte Authentifizierung von Identity and Access Management (IAM) migriert. Alle IBM Cloud-Services verwenden jetzt die IAM-Authentifizierung. Der Text to Speech-Service wurde an allen Standorten jeweils am nachfolgend angegebenen Datum migriert:

• Dallas (us-south): 30. Oktober 2018
• Frankfurt (eu-de): 30. Oktober 2018
• Washington DC (us-east): 12. Juni 2018
• Sydney (au-syd): 15. Mai 2018

Die Migration zur IAM-Authentifizierung wirkt sich auf neue und auf bestehende Serviceinstanzen jeweils anders aus:

• Alle neuen Service-Instanzen, die Sie an einem beliebigen Standort erstellen, verwenden nun die IAM-Authentifizierung für den Zugriff auf den Service. Sie können entweder ein Trägertoken oder einen API-Schlüssel übergeben: Token unterstützen authentifizierte Anfragen, ohne in jeden Aufruf Serviceberechtigungsnachweise einzubetten, und API-Schlüssel verwenden die HTTP-Basisauthentifizierung. Wenn Sie ein beliebiges Watson-SDK verwenden, können Sie den API-Schlüssel übergeben und dem SDK die Verwaltung des Lebenszyklus der Token überlassen.
• Vorhandene Serviceinstanzen, die Sie vor dem angegebenen Umstellungstermin an einem Standort erstellt haben, verwenden weiterhin die Kombination aus {username} und {password} aus den vorherigen Cloud Foundry-Serviceberechtigungsnachweisen, bis Sie die betreffenden Services auf die Verwendung der IAM-Authentifizierung umstellen.

Weitere Informationen finden Sie in der folgenden Dokumentation:

• Um herauszufinden, welchen Authentifizierungsmechanismus Ihre Service-Instanz verwendet, rufen Sie die Anmeldedaten Ihres Dienstes auf, indem Sie im Dashboard von „ IBM Cloud “ auf die Instanz klicken.
• Weitere Informationen zur Verwendung von IAM-Tokens mit Watson-Services finden Sie unter Authentifizierung bei Watson-Services.
• Beispiele für die Verwendung der IAM-Authentifizierung finden Sie in der API- und SDK-Referenz.

Die folgenden Funktionen wurden für Anwendungen aktiviert, die in Washington DC (us-east) gehostet werden:

• Der Service unterstützt jetzt einen neuen Prozess für API-Authentifizierung. Weitere Informationen enthalten die Angaben zur Serviceaktualisierung vom 30. Oktober 2018.
• Der Service unterstützt jetzt den Header X-Watson-Metadata und die Methode DELETE /v1/user_data. Weitere Informationen finden Sie unter Informationssicherheit.

Die folgenden Funktionen wurden für Anwendungen aktiviert, die in Sydney (au-syd) gehostet werden:

• Der Service unterstützt jetzt einen neuen Prozess für API-Authentifizierung. Weitere Informationen enthalten die Angaben zur Serviceaktualisierung vom 30. Oktober 2018.
• Der Service unterstützt jetzt den Header X-Watson-Metadata und die Methode DELETE /v1/user_data. Weitere Informationen finden Sie unter Informationssicherheit.

• Die Methode POST /v1/customizations gibt jetzt 201 (anstelle von 200) zurück.
• Die Methode POST /v1/customizations/{customization_id} gibt jetzt 200 (anstelle von 201) zurück.
• Die Methode POST /v1/customizations/{customization_id}/words gibt jetzt 200 (anstelle von 201) zurück.
• Die Methode PUT /v1/customizations/{customization_id}/words/{word} gibt jetzt 200 (anstelle von 201) zurück.

Der Service enthält eine neue Stimme namens es-LA_SofiaVoice. Sie ist das lateinamerikanische Äquivalent zur Stimme es-US_SofiaVoice. Der Hauptunterschied zwischen den beiden Stimmen betrifft die Interpretation des Zeichens $ (Dollarzeichen): Die lateinamerikanische Version verwendet den Begriff Pesos, die nordamerikanische Version verwendet den Begriff Dolares. Darüber hinaus kann es einige geringere Unterschiede zwischen den beiden Stimmen geben.

Neben en-US_AllisonVoice können nun zwei weitere Stimmen mit der SSML-Stimmenumwandlung verändert werden: en-US_LisaVoice und en-US_MichaelVoice.

Wenn Sie die Anpassungsschnittstelle mit Japanisch verwenden, wird vom Service jetzt das längste Wort in den Paaren aus Wort und Umsetzung, die für ein angepasstes Modell definiert sind, als Entsprechung verwendet. Dies lässt sich am Beispiel der beiden folgenden Einträge für ein angepasstes Modell verdeutlichen:

{
  "words": [
    {"word":"ＮＹ", "translation":"ニューヨーク", "part_of_speech":"Mesi"},
    {"word":"ＮＹＣ", "translation":"ニューヨークシティ", "part_of_speech":"Mesi"}
  ]
}

Wenn der Dienst die Zeichenfolge „ ＮＹＣ “ im Eingabetext findet, wird dieses Wort als Übereinstimmung erkannt, da es eine längere Übereinstimmung darstellt als „ ＮＹ “. Früher hätte der Dienst die Zeichenfolge „ ＮＹ “ gefunden. Weitere Informationen zur Arbeit mit japanischen Einträgen für ein benutzerdefiniertes Modell finden Sie unter „Arbeiten mit japanischen Einträgen “.

Der Service bietet jetzt für die synthetische Erstellung von Sprache aus Text eine WebSocket-Schnittstelle. Die Schnittstelle bietet dieselben Funktionen wie die Methode /v1/synthesize der HTTP-Schnittstelle. Sie akzeptiert einfachen Text oder Text mit der XML-basierten Markup-Sprache 'Speech Synthesis Markup Language' (SSML). Darüber hinaus unterstützt die Schnittstelle auch die Verwendung des SSML-Elements <mark>, um den Zeitpunkt in der Audioausgabe zu ermitteln, zu der die Synthetisierung des gesamten Texts vor der Markierung abgeschlossen ist. Weitere Informationen finden Sie im Abschnitt WebSocket-Schnittstelle.

Der Service bietet jetzt für Text, der mit SSML annotiert ist, Unterstützung für die Sprachen Kastilisch und nordamerikanisches Spanisch, Italienisch und brasilianisches Portugiesisch. Die Verwendung von SSML wurde vom Service zuvor bereits für amerikanisches und britisches Englisch, Französisch sowie Deutsch unterstützt. Ab dieser Aktualisierung unterstützt der Service SSML bei allen Sprachen außer Japanisch. Darüber hinaus können Sie sowohl mit IBM SPR als auch mit dem IPA über das SSML-Element <phoneme> definieren, wie Wörter ausgesprochen werden sollen. Weitere Informationen finden Sie in den Erläuterungen zu SSML und den Erläuterungen zu phonetischen Zeichen.

Bei amerikanischem Englisch können Sie Worteinträge in einem angepassten Modell auch mithilfe des SSML-Elements <phoneme> erstellen. Eine Anpassung wird nur für amerikanisches Englisch unterstützt. Weitere Informationen enthält der Abschnitt Wissenswertes über die Anpassung.

Der Service bietet für die am häufigsten verwendeten Stimmen eine verbesserte Expressivität und Natürlichkeit. Grundlage der Verbesserungen ist die auf Recursive Neural Network (RNN) basierende Prosodievorhersage aus dem Eingabetext. Diese Verbesserungen werden als neue Service-Engine und Sprechmodellaktualisierungen für die folgenden Sprachen verfügbar gemacht:

• en-US_AllisonVoice
• en-US_LisaVoice
• en-US_MichaelVoice
• es-ES_EnriqueVoice
• fr-FR_ReneeVoice

Die Methode GET /v1/pronunciation akzeptiert jetzt den optionalen Abfrageparameter customization_id. Über den Parameter wird eine Wortumsetzung aus einem angegebenen angepassten Modell abgerufen. Enthält das angepasste Modell das Wort nicht, wird von der Methode die Standardaussprache des Wortes zurückgegeben. Weitere Informationen finden Sie in der API- und SDK-Referenz.

Bei Verwendung der Methode GET /v1/pronunciation ohne Anpassungs-ID und für eine andere Sprache als amerikanisches Englisch können Sie die Aussprache eines Wortes nur in der Schreibweise nach IBM SPR anfordern. Für eine andere Sprache als amerikanisches Englisch müssen Sie spr mit der Option format der Methode angeben.

Die Liste der unterstützten Audioformate umfasst jetzt auch audio/basic. Dieses Format stellt eine Einkanalaudioausgabe mit in 8-Bit-U-Law (oder Mu-Law) codierten Daten und einer Abtastfrequenz von 8 kHz bereit. Weitere Informationen finden Sie unter Audioformate verwenden.

Die HTTP- und WebSocket-Methoden /v1/synthesize können eine Antwort des Typs warnings zurückgeben, die Nachrichten über ungültige Abfrageparameter oder JSON-Felder in einer Anforderung enthält. Das Format der Warnungen wurde geändert. Das folgende Beispiel zeigt das vorherige Format:

"warnings": "Unknown arguments: [u'{invalid_arg_1}', u'{invalid_arg_2}']."

Dieselbe Warnung hat jetzt das folgende Format:

"warnings": "Unknown arguments: {invalid_arg_1}, {invalid_arg_2}."

Der Service bietet eine neue Anpassungsschnittstelle, mit der Sie angeben können, wie er ungewöhnliche Wörter aussprechen soll, die in der Eingabe enthalten sind. Die Schnittstelle enthält einige neue Methoden, mit denen Sie benutzerdefinierte Modelle und die darin enthaltenen Wort-Übersetzungs-Paare erstellen und verwalten können. Anschließend können Sie Ihre angepassten Modelle bei der synthetischen Erstellung von Audioausgabe aus Text verwenden.

Der Service unterstützt gleich klingende und phonetische Umsetzungen. Phonetische Umsetzungen können entweder die Darstellung in IPA (International Phonetic Alphabet) oder das IBM Format SPR (Symbolic Phonetic Representation) verwenden. Zum Angeben von phonetischen Umsetzungen wird SSML verwendet.

Die Anpassungsschnittstelle enthält eine Reihe von neuen HTTP-Methoden namens POST /v1/customizations, POST /v1/customizations/{customization_id}, POST /v1/customizations/{customization_id}/words und PUT /v1/customizations/{customization_id}/words/{word}. Außerdem bietet der Service eine neue Methode GET /v1/pronunciation, mit der die Aussprache für ein beliebiges Wort zurückgegeben wird, sowie die neue Methode GET /v1/voices/{voice}, die detaillierte Informationen zu einer bestimmten Stimme zurückgibt. Darüber hinaus akzeptieren vorhandene Methoden der Schnittstelle des Service jetzt nach Bedarf angepasste Modellparameter.

Weitere Informationen über die Anpassung und ihre Schnittstelle finden Sie unter Verständnis der Anpassung und in der API- und SDK-Referenz.

Die Anpassungsschnittstelle liegt als Betaversion vor, die gegenwärtig nur amerikanisches Englisch unterstützt. Alle Anpassungsmethoden und die Methode GET /v1/pronunciation können derzeit nur in amerikanischem Englisch zum Erstellen und Bearbeiten von angepassten Modellen und Wortumsetzungen verwendet werden.

Der Service unterstützt eine neue Stimme namens pt-BR_IsabelaVoice für die synthetische Erstellung von Audioausgabe in brasilianischem Portugiesisch mit einer Frauenstimme. Weitere Informationen finden Sie unter Sprachen und Stimmen.

Für die Sprachservices sind zwei neue Software Development Kits (SDKs) für mobile Geräte verfügbar. Die SDKs ermöglichen mobilen Anwendungen eine Interaktion mit dem Text to Speech-Service und dem Speech to Text-Service. Mithilfe der SDKs können Sie Text an den Text to Speech-Service senden und eine Sprachausgabe empfangen.

• Das SDK für „ Watson “ ( Swift ) ist im Repository „swift-sdk“ im Namespace „ watson-developer-cloud “ unter GitHub verfügbar.
• Das „ Watson “-Sprach- Android™ SDK ist im Repository „speech-android-sdk“ im Namespace „ watson-developer-cloud “ unter GitHub verfügbar.

Beide SDKs unterstützen die Authentifizierung bei den Speech-Services entweder mit Ihren IBM Cloud-Serviceberechtigungsnachweisen oder mit einem Authentifizierungstoken. Da es sich bei den SDKs um Beta-Funktionen handelt, können sie sich in Zukunft ändern.

Der Service unterstützt jetzt mit Japanisch eine weitere Sprache. Die Stimme ja-JP_EmiVoice ist eine Frauenstimme für Japanisch.

Der Service wurde am 1. Juli 2015 von der Betaversion auf allgemeine Verfügbarkeit umgestellt. Die folgenden Unterschiede bestehen zwischen der Beta- und der GA-Version der „ Text to Speech “-API. Für das allgemein verfügbare Release müssen die Benutzer ein Upgrade auf die neue Version des Service durchführen.

Ein neues Programmiermodell unterstützt die direkte Interaktion zwischen einem Client und dem Service. Bei Verwendung dieses Modells kann ein Client ein Authentifizierungstoken für die direkte Kommunikation mit dem Service anfordern. Bei Verwendung des Tokens ist der Client nicht mehr gezwungen, eine serverseitige Proxy-Anwendung in IBM Cloud zu nutzen, die den Service in seinem Namen aufruft. Tokens sind die bevorzugte Methode für die Interaktion von Clients mit dem Service.

Der Service unterstützt weiterhin das alte Programmiermodell, das auf einem serverseitigen Proxy zur Weitergabe der Kommunikation und der Daten zwischen dem Client und dem Service verwendet wird. Das neue Modell ist jedoch effizienter und bietet einen höheren Durchsatz.

Sie können jetzt SSML (Speech Synthesis Markup Language) an die HTTP-Versionen GET und POST der Methode /v1/synthesize übergeben. SSML ist eine XML-basierte Markup-Sprache, die für die Bereitstellung von Annotationen von Text für Sprachsyntheseanwendungen wie den Text to Speech-Service konzipiert wurde. Zusätzliche Informationen zur Übergabe von SSML-Eingabe an den Service finden Sie unter Eingabetext angeben.

Der Service unterstützt die Verwendung von SSML zunächst nur für britisches sowie amerikanisches Englisch, Französisch und Deutsch. Die Verwendung von SSML bei Italienisch und Spanisch wird durch den Service nicht unterstützt. Achten Sie bei Verwendung von SSML darauf, dass Sie für die Sprachausgabe keine Stimme in einer der nicht unterstützten Sprache auswählen. Die Ergebnisse in diesem Fall sind nicht sinnvoll.

Die Stimmen, die für die synthetische Sprachausgabe unterstützt werden, die verändert und erweitert wurde. Der Dienst unterstützt nun über die Methoden „ /v1/synthesize “ mehrere weitere Stimmen, Sprachen und Dialekte. Zusätzliche Angaben über unterstützte Stimmen enthält der Abschnitt Sprachen und Stimmen.

In der allgemein verfügbaren Version wurden die in der Betaversion verfügbaren Stimmen umbenannt:

• VoiceEnUsMichael ist jetzt en-US_MichaelVoice
• VoiceEnUsLisa ist jetzt en-US_LisaVoice
• VoiceEsEsEnrique ist jetzt es-ES_EnriqueVoice

Die vorherigen Namen der Stimmen können bei der Betaversion des Service (über die API-Endpunkte -beta) weiterhin verwendet werden, solange diese Version verfügbar bleibt. Bei der allgemein verfügbaren Version des Service müssen Sie jedoch die neuen Namen verwenden.

Sie können künftig anfordern, dass der Service Sprachausgabe im Format 'Free Lossless Audio Codec' (FLAC) zurückgibt. Der Service kann Sprachausgabe weiterhin im Format 'Ogg' mit dem Opus-Codec (Standardeinstellung) und im Format 'Waveform Audio File Format' (WAV) zurückgeben. Weitere Informationen zur Verwendung von Audioformaten mit den /v1/synthesize-Methoden finden Sie in Audioformate verwenden.

Der Text, den Sie an die Methode /v1/synthesize in der URL einer HTTP-Anforderung GET oder im Hauptteil einer HTTP-Anforderung POST senden, ist jetzt auf eine Größe vom maximal 5 KB begrenzt. Bei der Betaversion galt für den Text eine maximale Größe von 4 MB.

Bei der Methode /v1/synthesize können Sie jetzt durch eine Einbeziehung des Headers X-WDC-PL-OPT-OUT steuern, ob der Service Text und Audioergebnisse aus einer Operation nutzt, um künftige Ergebnisse zu verbessern. Geben Sie für den Header den Wert 1 an, um zu verhindern, dass der Service Text und Audioergebnisse nutzt. Der Parameter gilt nur für die aktuelle Anforderung. Der neue Header ersetzt den Header X-logging aus den Methoden der Betaversion. Weitere Informationen enthält der Abschnitt Anforderungsprotokollierung für Watson-Services steuern.

Die folgende Fehlercodes für die Methoden /v1/synthesize wurden geändert:

• Der Fehlercode 406 ("Not acceptable. Unsupported MIME type.") wird entfernt.
• Der Fehlercode 415 ("Unsupported Media Type") wurde hinzugefügt.
• Der Fehlercode 503 ("Service Unavailable") wurde hinzugefügt.

Die folgenden Fehlercodes für die Methode GET /v1/voices wurden geändert:

• Der Fehlercode 406 ("Not acceptable. Unsupported MIME type.") wird entfernt.
• Der Fehlercode 415 ("Unsupported Media Type") wurde hinzugefügt.