Interaktion mit SSML-Element <prosody>

Der Parameter rate_percentage ändert die Sprechgeschwindigkeit für eine gesamte Anforderung. Sie können auch das Attribut rate des SSML-Elements <prosody> verwenden, um die Rate bestimmter Textwörter zu ändern. Obwohl der Parameter rate_percentage nur einen Prozentwert akzeptiert, akzeptiert das Attribut rate Werte unterschiedlicher Formate. Weitere Informationen finden Sie unter Attribut rate.

Wenn Sie den Parameter rate_percentage und auch das Attribut rate des Tags <prosody> verwenden, um die Rate für bestimmten Text derselben Anforderung zu ändern, sind die Effekte multiplikativ. Angenommen, Sie geben den Parameter rate_percentage mit dem Wert -10 an, wodurch sich die Sprechgeschwindigkeit um 10 Prozent verringert. Wenn Sie auch das Element <prosody> verwenden, um ein Äquivalent rate von -10% für bestimmten Text der Anforderung anzugeben, wird dieser Text mit einer Rate gesprochen, die 81 Prozent der Standardrate für die Stimme beträgt.

Beispiele für Sprechgeschwindigkeit

Die folgende HTTP POST /v1/synthesize-Methode verwendet den rate_percentage-Abfrageparameter mit dem Wert -5. Die resultierende Audioausgabe wird mit einer Geschwindigkeit gesprochen, die fünf Prozent langsamer als standardmäßig ist. Im Beispiel wird die Stimme für amerikanisches Englisch en-US_AllisonV3Voice verwendet.

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--output rate-percentage.wav \
--data "{\"text\":\"This text is spoken five percent slower than the default.\"}" \
"{url}/v1/synthesize?voice=en-US_AllisonV3Voice&rate_percentage=-5"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--output rate-percentage.wav \
--data "{\"text\":\"This text is spoken five percent slower than the default.\"}" \
"{url}/v1/synthesize?voice=en-US_AllisonV3Voice&rate_percentage=-5"

Das folgende WebSocket-Beispiel zeigt die Einbeziehung des Parameters mit demselben Wert in die Anforderung zum Herstellen einer Verbindung:

var access_token = '{access_token}';
var wsURI = '{ws_url}/v1/synthesize'
  + '?access_token=' + access_token
  + '&voice=en-US_AllisonV3Voice'
  + '&rate_percentage=-5';
var websocket = new WebSocket(wsURI);

Interaktion mit SSML-Element <prosody>

Der Parameter pitch_percentage ändert die Zeichendichte für eine gesamte Anforderung. Sie können auch das Attribut pitch des SSML-Elements <prosody> verwenden, um die Tonhöhe bestimmter Textwörter zu ändern. Obwohl der Parameter pitch_percentage nur einen Prozentwert akzeptiert, akzeptiert das Attribut pitch Werte unterschiedlicher Formate. Weitere Informationen finden Sie unter Attribut pitch.

Wenn Sie den Parameter pitch_percentage und auch das Attribut pitch des Tags <prosody> verwenden, um die Tonhöhe für bestimmten Text derselben Anforderung zu ändern, sind die Effekte multiplikativ. Angenommen, Sie geben den Parameter pitch_percentage mit dem Wert 10 an, wodurch die Steigung um 10 Prozent erhöht wird. Wenn Sie auch das Element <prosody> verwenden, um ein Äquivalent pitch von +10% für bestimmten Text der Anforderung anzugeben, wird dieser Text mit einer Tonhöhe gesprochen, die 121 Prozent der Standardgrundtonhöhe für die Stimme beträgt.

Beispiele für Sprechpänge

Die folgende HTTP POST /v1/synthesize-Methode verwendet den pitch_percentage-Abfrageparameter mit dem Wert 5. Die resultierende Audiodatei wird mit einer Tonhöhe gesprochen, die fünf Prozent höher ist als standardmäßig. Im Beispiel wird die Stimme für amerikanisches Englisch en-US_AllisonV3Voice verwendet.

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--output pitch-percentage.wav \
--data "{\"text\":\"This text is spoken five percent higher than the default.\"}" \
"{url}/v1/synthesize?voice=en-US_AllisonV3Voice&pitch_percentage=5"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--output pitch-percentage.wav \
--data "{\"text\":\"This text is spoken five percent higher than the default.\"}" \
"{url}/v1/synthesize?voice=en-US_AllisonV3Voice&pitch_percentage=5"

Das folgende WebSocket-Beispiel zeigt die Einbeziehung des Parameters mit demselben Wert in die Anforderung zum Herstellen einer Verbindung:

var access_token = '{access_token}';
var wsURI = '{ws_url}/v1/synthesize'
  + '?access_token=' + access_token
  + '&voice=en-US_AllisonV3Voice'
  + '&pitch_percentage=5';
var websocket = new WebSocket(wsURI);

Angeben der Geschwindigkeit, in der Zeichenfolgen ausgeschrieben werden

Der Parameter spell_out_mode ist eine Betafunktionalität, die nur für deutsche Stimmen unterstützt wird.

Standardmäßig liest der Service Zeichen, die er ausspioniert, in derselben Geschwindigkeit, in der er Text für die Sprache liest, aus der synthetisch erstellt wird. Für deutsche Stimmen können Sie jedoch den optionalen Abfrageparameter spell_out_mode verwenden, um anzugeben, wie der Service einzelne Zeichen ausschreiben soll: ein, zwei oder drei Zeichen gleichzeitig. Der Parameter wird global angewendet, um die Geschwindigkeit zu steuern, mit der der Service alle Zeichenfolgen liest, die er aus einer Anforderung aussagt. Verwenden Sie den Parameter spell_out_mode nur für längere Zeichenfolgen. Der Parameter hat keine Auswirkung auf eine Zeichenfolge, die weniger als drei Zeichen enthält.

Tabelle 3 enthält Beispiele dafür, wie der Service den folgenden Text mit unterschiedlichen Werten für den Parameter spell_out_mode ausspricht:

Die Nummer ist <say-as interpret-as=‘digits’>AB7234987FFA</say-as>.

Alphanumerische Zeichenfolgen, die Buchstaben und Ziffern kombinieren, können unterschiedliche Gruppierungen von Zeichen ergeben. Wenn Sie das Element <say-as> nicht verwenden, können Gruppen von Buchstaben und Ziffern so ausgesprochen werden, dass sie nicht unbedingt dem angeforderten Modus entsprechen.

Beispiele für den Rechtschreibmodus

Die folgende HTTP POST /v1/synthesize-Methode verwendet den spell_out_mode-Abfrageparameter mit dem Wert singles. Im Beispiel wird die deutsche Stimme de-DE_ErikaV3Voice verwendet. Der zu synthetisierte alphanumerische Text ist eine hexadezimale Zeichenfolge, die in ein <say-as>-Element eingeschlossen und als digits interpretiert wird.

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--output spell-out-mode.wav \
--data "{\"text\":\"Die Nummer ist <say-as interpret-as=‘digits’>AB7234987FFA</say-as>.\"}" \
"{url}/v1/synthesize?voice=de-DE_ErikaV3Voice&spell_out_mode=singles"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--output spell-out-mode.wav \
--data "{\"text\":\"Die Nummer ist <say-as interpret-as=‘digits’>AB7234987FFA</say-as>.\"}" \
"{url}/v1/synthesize?voice=de-DE_ErikaV3Voice&spell_out_mode=singles"

Das folgende WebSocket-Beispiel zeigt die Einbeziehung des Parameters mit demselben Wert in die Anforderung zum Herstellen einer Verbindung:

var access_token = '{access_token}';
var wsURI = '{ws_url}/v1/synthesize'
  + '?access_token=' + access_token
  + '&voice=de-DE_ErikaV3Voice'
  + '&spell_out_mode=singles';
var websocket = new WebSocket(wsURI);