El servicio ya ofrece una nueva voz femenina natural para el portugués de Brasil:

• pt-BR_IsabelaNatural

Las voces naturales ofrecen un rendimiento avanzado en términos de naturalidad y expresividad. Estas voces utilizan diversas técnicas para proporcionar una ventaja sobre las voces expresivas. Para obtener más información, consulte

• Voces naturales
• Símbolos para el portugués (de Brasil)

Las voces de concatenación estándar ( v1 ), anteriormente obsoletas, se sustituyen ahora por sus equivalentes neurales ( v3 ) durante la síntesis. Cuando una solicitud especifica una de estas voces v1, se utiliza en su lugar la voz v3 correspondiente.

• 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

Si se omite el parámetro opcional « voice » en una solicitud de síntesis de voz, el servicio utiliza ahora « en-US_MichaelV3Voice » de forma predeterminada. Esta voz neural ( v3 ) sustituye a la anterior voz concatenada estándar por defecto ( v1 ), en-US_MichaelVoice.

La función beta Tune by Example ha quedado obsoleta. Las API para crear nuevos avisos o modelos de altavoces ya no son compatibles.

• Usuarios existentes: Las personalizaciones existentes que ya contengan avisos o modelos de locutor seguirán funcionando para la síntesis de voz durante un periodo de tiempo limitado. Sin embargo, no se pueden crear nuevos avisos o modelos de altavoz.
• Nuevos usuarios: Las API para crear avisos o modelos de altavoces están desactivadas y no se pueden utilizar.

La función Tune by Example se eliminará por completo del servicio en una próxima versión. Una vez eliminada, la síntesis que utilice personalizaciones que dependan de avisos o modelos de altavoces dejará de ser compatible.

El servicio ahora admite dos nuevas voces naturales, una masculina y otra femenina, para el inglés australiano:

• en-AU_JackNatural
• en-AU_HeidiNatural

Las voces naturales ofrecen un rendimiento avanzado en términos de naturalidad y expresividad. Estas voces utilizan diversas técnicas para proporcionar una ventaja sobre las voces expresivas. Para obtener más información, consulte

• Voces naturales
• Símbolos para el inglés (australiano)

El servicio ahora admite dos nuevas voces naturales, una masculina y otra femenina, para el español latinoamericano:

• es-LA_AlejandroNatural
• es-LA_DanielaNatural

Las voces naturales ofrecen un rendimiento avanzado en términos de naturalidad y expresividad. Estas voces utilizan diversas técnicas para proporcionar una ventaja sobre las voces expresivas. Para obtener más información, consulte

• Voces naturales
• Símbolos para el español

El servicio admite ahora dos nuevas voces naturales, una masculina y otra femenina, para el portugués de Brasil:

• pt-BR_LucasNatural
• pt-BR_CamilaNatural

Las voces naturales ofrecen un rendimiento avanzado en términos de naturalidad y expresividad. Estas voces utilizan diversas técnicas para proporcionar una ventaja sobre las voces expresivas. Para obtener más información, consulte

• Voces naturales
• Símbolos para el portugués (de Brasil)

El servicio admite ahora cuatro nuevas voces naturales, dos masculinas y dos femeninas, para el inglés de Estados Unidos:

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

El servicio admite ahora dos nuevas voces naturales, masculina y femenina, para el inglés del Reino Unido:

• en-GB_ChloeNatural
• en-GB_GeorgeNatural

El servicio admite ahora una nueva voz natural femenina para el inglés de CA:

• en-CA_HannahNatural

Las voces naturales ofrecen un rendimiento avanzado en términos de naturalidad y expresividad. Estas voces utilizan diversas técnicas para proporcionar una ventaja sobre las voces expresivas. Para obtener más información, consulte

• Voces naturales
• Símbolos en inglés(Estados Unidos y Canadá)
• Símbolos para el inglés (Reino Unido)

El servicio es ahora compatible con una nueva generación de voces denominada Natural Voices, con una nueva voz para el inglés estadounidense:

• en-US_EllieNatural

Las voces naturales ofrecen un rendimiento avanzado en términos de naturalidad y expresividad. Estas voces utilizan diversas técnicas para proporcionar una ventaja sobre las voces expresivas. Para más información, véase Voces naturales.

Ahora puede especificar el valor group o single con el atributo opcional format. Estos atributos ayudan a mejorar la legibilidad de las cadenas alfanuméricas, como la confirmación de números e ID, añadiendo silencios estratégicos.

El servicio ahora admite una nueva voz neural expresiva masculina para el portugués brasileño:

• pt-BR_LucasExpressive

Las voces neuronales expresivas ofrecen un discurso que suena natural que es claro, nítido y fluido. La nueva voz está disponible a nivel general (GA) para uso de producción. Admite el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de los símbolos fonéticos de la Representación Fonética Simbólica (RPS) " IBM ". Para obtener más información, consulte

• Voces neuronales expresivas
• Símbolos para el portugués (de Brasil)
• Voces expresivas portuguesas

El servicio admite ahora una nueva voz neural expresiva masculina para el inglés del Reino Unido:

• en-GB_GeorgeExpressive

Las voces neuronales expresivas ofrecen un discurso que suena natural que es claro, nítido y fluido. La nueva voz está disponible a nivel general (GA) para uso de producción. Admite el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de los símbolos fonéticos de la Representación Fonética Simbólica (RPS) " IBM ". Para obtener más información, consulte

• Voces neuronales expresivas
• Símbolos para el inglés (Reino Unido)

El servicio ahora soporta una nueva voz neuronal expresiva femenina para el español latinoamericano

• es-LA_DanielaExpressive

Las voces neuronales expresivas ofrecen un discurso que suena natural que es claro, nítido y fluido. La nueva voz está disponible a nivel general (GA) para uso de producción. Admite el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de los símbolos fonéticos de la Representación Fonética Simbólica (RPS) " IBM ". Para obtener más información, consulte

• Voces neuronales expresivas.
• Voces expresivas en español.
• Símbolos para el español.

Importante: Todas las voces neuronales han alcanzado su fecha de fin de servicio y se han eliminado del servicio y de la documentación. No se ven afectadas las voces neurales realzadas ni las voces neurales expresivas. Para obtener una lista completa de todas las voces neuronales obsoletas, consulte las actualizaciones de servicio del 1 de marzo de 2023. Un intento de utilizar una voz obsoleta devuelve el código de respuesta HTTP 404 con el mensaje ' Model '{voice}' not found.

Las nuevas voces neuronales mejoradas y expresivas están disponibles para los idiomas inglés australiano, coreano y holandés. Debe migrar a una de las nuevas voces para el inglés australiano, el coreano o el neerlandés de los Países Bajos para continuar utilizando los idiomas obsoletos.

Para obtener más información, consulte Idiomas y voces.

El servicio ahora da soporte a una nueva voz femenina neuronal mejorada para Holanda: nl-NL_MerelV3Voice. Admite el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de los símbolos fonéticos de la Representación Fonética Simbólica (RPS) " IBM ".

La nueva voz es una función beta a la espera de que se complete la compatibilidad con SSML. En su versión inicial, la voz no admite el uso de las siguientes funciones relacionadas con SSML:

• El elemento <prosody> con cualquier solicitud de síntesis de voz
• Los parámetros rate_percentage y pitch_percentage con cualquier solicitud de síntesis de voz
• El elemento <mark> con una solicitud de síntesis de voz WebSocket
• El parámetro timings del mensaje de texto JSON con una solicitud de síntesis de voz WebSocket

Para obtener más información sobre la nueva voz, su soporte para los símbolos IPA y SPR, y migrar a la nueva voz desde las voces neuronales holandesas en desuso, consulte

• Voces neuronales mejoradas
• Símbolos para el neerlandés (de Países Bajos)

Corrección de defectos: En la documentación de los símbolos SPR coreanos, los símbolos de dos caracteres para las consonantes aparecen ahora entre comillas simples, lo que los convierte en un único símbolo. Antes se mostraban como dos símbolos separados, sin comillas. Para obtener más información, consulte Consonantes(coreano).

La documentación de visión general para los símbolos SPR de IBM se ha actualizado para aclarar el uso de los símbolos de varios caracteres. Para obtener más información, consulte Símbolos de sonido de voz).

Importante: Efectivo 31 de marzo de 2023, todas las voces neuronales alcanzan su fecha de fin de servicio y se eliminarán del servicio y de la documentación. Las voces neuronales están en desuso desde el 31 de marzo de 2022. No se efectúan voces neuronales o neuronales expresivas mejoradas.

Se eliminan las siguientes voces neuronales:

• Árabe: ar-MS_OmarVoice
• Chino (Mandarín): zh-CN_LiNaVoice, zh-CN_WangWeiVoice y zh-CN_ZhangJingVoice
• Checo: cs-CZ_AlenaVoice
• Holandés (Bélgica): nl-BE_AdeleVoice y nl-BE_BramVoice
• Holandés (Países Bajos): nl-NL_EmmaVoice y nl-NL_LiamVoice
• Inglés (Australia): en-AU_CraigVoice, en-AU_MadisonVoice y en-AU_SteveVoice
• Coreano: ko-KR_HyunjunVoice, ko-KR_SiWooVoice, ko-KR_YoungmiVoice y ko-KR_YunaVoice
• Sueco: sv-SE_IngridVoice

Las nuevas voces neuronales mejoradas y expresivas ya están disponibles para los idiomas inglés y coreano de Australia. En las próximas semanas estará disponible una nueva voz neural mejorada para el neerlandés de los Países Bajos. Debe migrar a una de las nuevas voces para el inglés australiano, el coreano o el holandés antes del 31 de marzo de 2023.

Para obtener más información, consulte Idiomas y voces.

El servicio ahora soporta dos nuevas voces neuronales expresivas, masculinas y femeninas, para el inglés australiano:

• en-AU_HeidiExpressive
• en-AU_JackExpressive

Las voces neuronales expresivas ofrecen un discurso que suena natural que es excepcionalmente claro, nítido y fluido. Las nuevas voces ya están disponibles de forma generalizada (GA) para su uso en entornos de producción. Admiten el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de IBM símbolos fonéticos de Representación Fonética Simbólica (RPS). Para obtener más información, consulte

• Voces neuronales expresivas
• Símbolos para el inglés (australiano)

Puede migrar de las voces neuronales en inglés australiano que están en desuso a las nuevas voces neuronales expresivas.

El servicio ahora da soporte a una nueva voz femenina neuronal mejorada para el coreano: ko-KR_JinV3Voice. La nueva voz está disponible a nivel general (GA) para uso de producción. Admite el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de los símbolos fonéticos de la Representación Fonética Simbólica (RPS) " IBM ". Para obtener más información, consulte

• Voces neuronales mejoradas
• Símbolos para el coreano

Puede migrar de las voces neuronales coreanas que están en desuso a la nueva voz neuronal mejorada.

Corrección de defectos: Las voces francesa y canadiense pronuncian ahora correctamente los tiempos como 19:41. Anteriormente, las voces estaban omitiendo elementos de la época en el audio sintetizado.

Arreglo de defectos: la voz japonesa ya no inserta audio inesperado en los resultados de síntesis de voz. Anteriormente, se insertaba otro audio en determinados casos.

IBM ha anunciado la desaparición de IBM Cloud Foundry el 31 de mayo de 2022. A partir del 30 de noviembre de 2022, las nuevas IBM Cloud Foundry no se podrán crear y solo los usuarios existentes podrán desplegar aplicaciones. IBM Cloud Foundry ry alcanza el fin de soporte el 1 de junio de 2023. Entonces, cualquier IBM Cloud Foundry que ejecute aplicaciones IBM Cloud Foundry se deshabilitará, desaprovisionará y eliminará permanentemente.

Para seguir utilizando sus aplicaciones IBM Cloud más allá del 1 de junio de 2023, debe migrar a grupos de recursos antes de esa fecha. Los grupos de recursos son conceptualmente similares a los espacios de Cloud Foundry. Entre ellas se incluyen varias ventajas adicionales, como un control de acceso más preciso mediante el uso de la gestión de identidades y acceso ( IBM Cloud Identity and Access Management, IAM), la posibilidad de conectar instancias de servicio a aplicaciones y servicios en diferentes regiones, y una forma sencilla de consultar el uso por grupo.

Arreglo de defectos: Ahora puede utilizar el elemento <say-as> para pronunciar números grandes como números cardinales. Antes, encerrar un número grande en el elemento <say-as> con el atributo interpret-as="cardinal" podía hacer que fallara la síntesis de voz para las voces inglesas. Por ejemplo, <say-as interpret-as="cardinal">3,200</say-as> puede hacer que el servicio genere un error. Para obtener más información, consulte cardinal en el tema Elementos SSML.

Arreglo de defectos: el servicio ahora pronuncia los homónimos y otras palabras correctamente basándose en su contexto en texto en inglés que se va a sintetizar. Antes, palabras como advocate y wifi podían ser pronunciadas incorrectamente por las voces inglesas.

• Crear un modelo personalizado
• Referencia de API y SDK

El servicio ofrece cuatro nuevas voces neuronales expresivas para el inglés de Estados Unidos:

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

Las voces neuronales expresivas ofrecen un discurso que suena natural que es excepcionalmente claro, nítido y fluido. Las nuevas voces ya están disponibles de forma generalizada (GA) para su uso en entornos de producción. Admiten el uso tanto del Alfabeto Fonético Internacional (AFI) estándar como de IBM símbolos fonéticos de Representación Fonética Simbólica (RPS). Para obtener más información, consulte

• Voces neuronales expresivas
• Símbolos para el inglés (Estados Unidos)

Las voces neuronales expresivas determinan el sentimiento del texto a partir del contexto de sus palabras y frases. El discurso que producen, además de tener un estilo conversacional, refleja el estado de ánimo del texto. Pero usted puede embellecer las tendencias naturales de las voces indicando que todo o parte del texto es para enfatizar uno de los siguientes estilos de habla:

• Alegre-Expresa felicidad y buenas noticias.
• Empático-Expresa empatía o simpatía.
• Neutral-Expresa objetividad y equidad.
• Incierto: expresa confusión o incertidumbre.

Para obtener más información, consulte Utilización de estilos de habla.

Con voces neuronales expresivas, el servicio detecta automáticamente un conjunto de interjecciones comunes basadas en el contexto. Cuando sintetiza estas interjecciones, les da el énfasis natural que un humano usaría en la conversación normal. Para algunas de las interjecciones, puede utilizar SSML para habilitar o inhabilitar su énfasis. Para obtener más información, consulte Énfasis en las interjecciones.

Las voces expresivas utilizan un estilo conversacional que aplica naturalmente la entonación correcta desde el contexto. Pero usted puede indicar que una o más palabras deben ser dadas más o menos énfasis. El cambio en la tensión puede ser indicado por un aumento o disminución en el paso, la temporización, el volumen, u otros atributos acústicos. Para obtener más información, consulte Cómo resaltar palabras.

• Para obtener más información sobre los formatos disponibles, consulte Formatos de audio soportados.
• Para obtener más información sobre cómo especificar un formato, consulte Especificación de un formato de audio.

Importante: a partir del 31 de marzo de 2022, todas las voces neuronales están en desuso. Las voces en desuso siguen estando disponibles para los usuarios existentes hasta el 31 de marzo de 2023, cuando se eliminarán del servicio y la documentación. No hay voces neuronales mejoradas ni voces expresivas en desuso.

Las siguientes voces neuronales están ahora en desuso:

• Árabe: ar-MS_OmarVoice
• Chino (Mandarín): zh-CN_LiNaVoice, zh-CN_WangWeiVoice y zh-CN_ZhangJingVoice
• Checo: cs-CZ_AlenaVoice
• Holandés (Bélgica): nl-BE_AdeleVoice y nl-BE_BramVoice
• Holandés (Países Bajos): nl-NL_EmmaVoice y nl-NL_LiamVoice
• Inglés (Australia): en-AU_CraigVoice, en-AU_MadisonVoice y en-AU_SteveVoice
• Coreano: ko-KR_HyunjunVoice, ko-KR_SiWooVoice, ko-KR_YoungmiVoice y ko-KR_YunaVoice
• Sueco: sv-SE_IngridVoice

Las voces neuronales en desuso continúan estando disponibles para los usuarios existentes, pero ya no estarán disponibles para los nuevos usuarios:

• Usuarios existentes: Las instancias del servicio creadas antes del 31 de marzo de 2022 pueden seguir utilizando las voces en desuso para la síntesis de voz. Las instancias también se pueden utilizar para crear y trabajar con modelos personalizados basados en las voces obsoletas. También pueden seguir enumerando y consultando las voces con los métodos GET /v1/voices y GET /v1/voices/{voice}.
• Nuevos usuarios: Las instancias del servicio creadas a partir del 31 de marzo de 2022 no podrán utilizar las voces obsoletas para la síntesis de voz. Las instancias tampoco pueden utilizarse para crear modelos personalizados basados en las voces obsoletas. Tampoco pueden enumerar ni consultar las voces con los métodos GET /v1/voices y GET /v1/voices/{voice}. Una llamada de API que incluya una de las voces en desuso devolverá un código de error HTTP 400 o 404, en función de la llamada.

Para el 15 de febrero de 2023 se lanzarán nuevas voces para el inglés, el holandés y el coreano de Australia. Si utiliza voces en inglés, holandés o coreano de Australia, las llamadas de API se redirigirán automáticamente a las nuevas voces en ese idioma. Las voces en árabe, chino, checo, sueco y flamenco serán eliminadas del servicio.

Para obtener más información sobre todos los idiomas y voces disponibles, consulta la sección « Idiomas y voces ».

Las voces concatenadoras estándar quedaron obsoletas el 2 de diciembre de 2020. Estas voces estándares ahora se han eliminado de la referencia de API. El tema «Migración de las voces estándar a las voces neuronales » también se ha eliminado de la página « Idiomas y voces ».

Igualmente, el nombre anterior de la voz en árabe, ar-AR_OmarVoice, estaba en desuso al mismo tiempo. También se ha eliminado de la documentación. Utilice la voz ar-MS_OmarVoice en su lugar.

El objeto de respuesta que envía el servicio cuando se solicitan los tiempos de las palabras mediante la interfaz WebSocket ha cambiado. Ahora el servicio envía resultados de temporización de palabras en una única matriz que incluye una serie seguida de dos flotantes:

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

Anteriormente, el servicio enviaba los resultados de temporización como una matriz que incluía una serie de caracteres seguidos de una matriz de dos flotantes:

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

Además, el nivel de precisión para las temporizaciones y las marcas de las palabras se reduce ahora a tres posiciones decimales. Para obtener más información sobre las nuevas respuestas, consulte Generación de temporizaciones de palabras.

Nota: Los resultados de las voces neuronales y neuronales mejoradas eran distintos antes. Estas inconsistencias podrían provocar errores en los SDK de Watson. Los resultados para todas las voces son ahora consistentes.

• Los ejemplos del elemento <break> ahora son correctos. El elemento es unario, como se muestra ahora en los ejemplos. Los ejemplos anteriores incluían etiquetas de apertura y de cierre con texto incorporado. El servicio no decía el texto incorporado. Para obtener más información, consulte El elemento <break>.
• El servicio da soporte a SSML versión 1.1. Todas las referencias y ejemplos utilizan ahora la versión correcta. La documentación antes hacía referencia a la versión 1.0.

Un nuevo idioma, checo, con una nueva voz femenina, cs-CZ_AlenaVoice, ya está disponible. La voz es una voz neuronal.

Ya está disponible una nueva voz en neerlandés de Bélgica (flamenco), nl-BE_BramVoice. La voz es una voz neuronal.

Corrección de errores: En esta versión se han corregido los siguientes errores relacionados con el lenguaje de marcado para la síntesis de voz (SSML) y la síntesis de voz:

• El atributo pitch del elemento <prosody> se aplica ahora a todo el texto especificado. Anteriormente, el cambio de tono no siempre se aplicaba a la primera palabra del texto afectado. Además, la documentación incluye ahora más indicaciones sobre cómo especificar un valor de « pitch ». Para obtener más información, consulte El atributo pitch.
• La síntesis de habla del texto japonés ahora dice el audio más lentamente. Anteriormente, el discurso sintetizado era demasiado rápido. Si encuentra que la síntesis del texto japonés todavía es demasiado rápido para su aplicación, utilice el atributo rate del elemento SSML <prosody> para controlar la velocidad del habla. Para obtener más información, consulte El atributo rate.
• Las voces neuronales ahora analizan correctamente el carácter de apóstrofo ('). Anteriormente, algunas voces neuronales no interpretaban correctamente este carácter.

El servicio ahora admite francés canadiense con la voz neuronal mejorada fr-CA_LouiseV3Voice. La voz en francés canadiense admite la personalización y está disponible a nivel general (GA) para utilizarla en producción.

• Para escuchar una muestra de la nueva voz, consulte Idiomas y voces soportados.
• Para obtener más información sobre los símbolos fonéticos y los valores Unicode que están disponibles para el idioma francés canadiense, consulte Símbolos en francés (canadiense).

La nueva característica Ajustar por ejemplo le permite controlar la forma en que el servicio dice el texto especificado. Esta función se encuentra en fase beta y solo es compatible con modelos y voces personalizados en inglés de EE. UU. Tiene dos componentes:

• Solicitudes personalizadas incluye el texto escrito que se va a decir y el audio grabado que dice el texto como usted quiere escucharlo. El audio especifica la entonación, la cadencia y la acentuación del texto sintetizado. La solicitud puede enfatizar distintas sílabas o palabras, introducir pausas y, en general, hacer que el sonido de audio sintetizado sea más natural y apropiado a su contexto.
• Modelos de hablante proporcionan audio de inscripción para un usuario que dice una o más solicitudes. Un modelo de hablante proporciona una muestra de audio de la voz de un usuario. El servicio se entrena en esa voz, lo que puede ayudar a producir solicitudes de mayor calidad para ese hablante.

Puede especificar una solicitud personalizada con una solicitud de síntesis de voz para indicar cómo la voz del servicio puede pronunciar el texto. Para especificar una solicitud, utilice la extensión SSML <ibm:prompt id="{prompt_id}"/>. El audio sintetizado duplica la prosodia de la solicitud.

El servicio incluye ocho nuevos métodos para trabajar con la característica Ajustar por ejemplo. Las descripciones de los nuevos métodos que figuran a continuación incluyen enlaces a sus entradas en la referencia de la API y el SDK. Es posible que tenga que seleccionar la pestaña Curl de la referencia para ver los nuevos métodos.

• El servicio incluye cuatro métodos para trabajar con solicitudes personalizadas:

  • Listar solicitudes personalizadas: GET /v1/customizations/{customization_id}/prompts
  • Obtener una solicitud personalizada: GET /v1/customizations/{customization_id}/prompts/{prompt_id}
  • Suprimir una solicitud personalizada: DELETE /v1/customizations/{customization_id}/prompts/{prompt_id}

• El servicio incluye cuatro métodos para trabajar con modelos de hablante:

  • Listar modelos de altavoz: GET /v1/speakers
  • Obtener un modelo de orador: GET /v1/speakers/{speaker_id}
  • Suprimir un modelo de altavoz: DELETE /v1/speakers/{speaker_id}

Los nombres de las acciones de los sucesos de Activity Tracker para los métodos de personalización han cambiado. Las acciones ahora incluyen la serie custom-model en lugar de custom-voice. Los nombres antiguos de las acciones están en desuso. Los nombres antiguos siguen estando disponibles para su uso, pero se eliminarán en una fecha futura. Migre a los nuevos nombres que se listan en Sucesos de personalización en cuanto le sea posible.

Crear sucesos Nombre de acción en desuso-> Nombre de acción nuevo

• 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

Leer sucesos Nombre de acción en desuso-> Nombre de acción nueva

• 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

Actualizar suceso Nombre de acción en desuso-> Nombre de acción nuevo

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

Suprimir sucesos Nombre de acción en desuso-> Nombre de acción nuevo

• 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

Las voces que ofrece el servicio han experimentado cambios significativos. El servicio admite nuevos idiomas y voces, ha mejorado la calidad de muchas voces y ha dejado en desuso muchas voces antiguas. Además, todas las voces de los servicios ya se pueden personalizar y están disponibles de forma generalizada (GA) para su uso en producción.

Para optimizar la calidad general de la síntesis de voz, todas las voces disponibles se basan ahora en la tecnología neuronal. El servicio ofrece dos tipos de voces que se basan en la tecnología neuronal:

• Voces neuronales, que no incluyen la serie V3 en sus nombres, ya están disponibles para árabe, inglés australiano, chino, neerlandés de Países Bajos y coreano. Las voces neuronales admiten el uso del Alfabeto Fonético Internacional (IPA) con el elemento <phoneme> de SSML (Speech Synthesis Markup Language).
• Voces neuronales mejoradas, que incluyen la cadena V3 en sus nombres, ya están disponibles para portugués de Brasil, inglés del Reino Unido y los Estados Unidos, francés, alemán, italiano, japonés y español (todos los dialectos). Las voces neuronales mejoradas admiten el uso tanto de IPA como de SPR (Symbolic Phonetic Representation) de IBM con el elemento SSML <phoneme>. Las voces neuronales mejoradas también consiguen que el habla suene mucho más natural. En los próximos meses se ofrecerán más opciones de personalización para mejorar las voces generadas por redes neuronales.

El servicio ya no ofrece voces estándar para ningún idioma. Las voces estándar utilizaban la síntesis por concatenación para ensamblar segmentos de voz grabada y generar el audio solicitado.

Para obtener más información, consulte Idiomas y voces.

Las siguientes voces en inglés australiano y coreano son nuevas:

• El servicio ahora admite el inglés australiano con las siguientes dos voces neuronales: en-AU_CraigVoice y en-AU_MadisonVoice.
• El servicio ahora da soporte a dos nuevas voces neuronales en coreano: ko-KR_HyunjunVoice y ko-KR_SiWooVoice.

Las voces de los idiomas ya disponibles —árabe, chino, neerlandés y coreano—, que antes eran de concatenación, ahora son neuronales:

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

Además, se han introducido los siguientes cambios:

• La voz árabe se denomina ahora ar-MS_OmarVoice. El nombre anterior, ar-AR_OmarVoice, está en desuso. Continuará funcionando durante al menos un año, pero podría ser eliminado en una fecha futura. Se le anima a migrar al nuevo nombre a la mayor brevedad posible.
• El idioma árabe ahora admite el uso de símbolos IPA y valores Unicode con el elemento SSML <phoneme>. Para crear un modelo personalizado para árabe, debe utilizar el identificador de idioma ar-MS. El identificador ar-AR no está soportado para la personalización.
• Los símbolos IPA para el idioma árabe son nuevos. Se han sustituido los símbolos que figuraban anteriormente.
• Los símbolos del IPA para el idioma neerlandés de Países Bajos se han modificado como se indica a continuación:
  • El holandés holandés ya no da soporte a los siguientes símbolos IPA: tʲ (0074+02B2), ɲ (0272), ʦ (02A6) y ʔ (0294).
  • El neerlandés de los Países Bajos ahora admite el siguiente símbolo IPA: ɣ (0263).

Las siguientes voces de concatenación estándar han quedado obsoletas:

• 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

Todas las voces estándar que han quedado en desuso tienen contrapartes neuronales equivalentes, por lo que no se está eliminando ninguna voz. Más bien, puede cambiar a la versión neuronal equivalente de la voz (por ejemplo, de de-DE_BirgitVoice a de-DE_BirgitV3Voice) para obtener mejores resultados de síntesis de voz.

Estas voces en desuso se han eliminado de la documentación publicada. Continuarán funcionando durante al menos un año, pero podrían ser eliminadas en una fecha futura. Se recomienda migrar a las voces neuronales equivalentes en cuanto le sea posible.

Si omite el parámetro opcional voice de una solicitud de síntesis de voz, el servicio utiliza en-US_MichaelV3Voice de forma predeterminada. Esta voz neuronal sustituye a la ya obsoleta voz estándar de en-US_MichaelVoice que era la predeterminada anterior.

Las siguientes funciones solo estaban disponibles para las voces de concatenación estándar. Están en desuso y se han eliminado de la documentación publicada. Continuarán funcionando durante al menos un año, pero podrían ser eliminadas en una fecha futura. Se recomienda eliminar estas características de sus aplicaciones y migrar a las voces neuronales tan pronto como le sea posible

• SSML expresivo. Esta fue una ampliación de IBM a SSML que solo se admitía para la voz en-US_AllisonVoice.
• SSML de transformación de voz. Esta fue una ampliación de IBM a SSML que solo se admitía para para las voces en-US_AllisonVoice, en-US_LisaVoice y en-US_MichaelVoice.
• El atributo volume del elemento <prosody>. Este atributo estaba disponible para todas las voces estándar.

Al incluir estos elementos SSML con una solicitud de síntesis para una voz neuronal se genera un código de respuesta HTTP 400 porque la solicitud falla la validación SSML. Para obtener más información sobre la validación de SSML, consulte Validación de SSML.

El soporte de CORS (Cross-Origin Resource Sharing) ya está disponible para todas las voces desde los navegadores Google Chrome™ y Apple® Safari. No está disponible en el navegador Mozilla Firefox™ para las voces en los siguientes idiomas: árabe, inglés australiano, chino, holandés y coreano. Para más información, consulte la página CORS support.

Arreglos de defectos: para la voz ja-JP_EmiV3Voice, el servicio ahora analiza correctamente el texto de entrada SSML que incluye una especificación de velocidad de prosodia. Anteriormente, el siguiente uso del elemento <prosody> funcionaba correctamente:

<speak>成功する/繁栄する</speak>

Pero el siguiente uso del atributo rate con el elemento <prosody> provocaba que el servicio leyera y dijera la notación SSML incorporada:

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

Ahora, el servicio analiza correctamente y aplica el atributo rate del elemento <prosody> a la entrada en japonés.

El servicio ofrece ahora dos nuevas voces generadas por redes neuronales:

• Inglés de Reino Unido: en-GB_CharlotteV3Voice
• Francés: fr-FR_NicolasV3Voice

También ofrece una versión mejorada de la voz neuronal en inglés del Reino Unido existente, en-GB_KateV3Voice. Para obtener más información sobre todas las voces disponibles, consulte Idiomas y voces.

El servicio ahora admite el atributo digits del elemento SSML <say-as> con su voz en japonés. Para obtener más información, consulte Elemento say-as.

Ahora el servicio da soporte a dos voces coreanas femeninas estándar: ko-KR_YoungmiVoice y ko-KR_YunaVoice. La siguiente información se aplica a ambas voces coreanas:

• Las voces son funciones beta. Es posible que las voces no estén preparadas para el uso en producción y que estén sujetas a cambios. Se trata de ofertas iniciales que se espera que mejoren la calidad por lo que hace al tiempo y al uso.
• Las voces admiten la personalización y el método /v1/pronunciation.
• Las voces admiten el elemento <mark> y el parámetro timings que están disponibles con la interfaz de WebSocket.
• Las voces admiten todos los elementos SSML (Speech Synthesis Markup Language), excepto SSML expresivo y SSML de transformación de voz.
• Las voces solo admiten el Alfabeto Fonético Internacional (IPA), no admiten SPR (Symbolic Phonetic Representation) de IBM, con el elemento <phoneme>.

Las voces beta en árabe, chino y neerlandés de Países Bajos ahora admiten las siguientes características:

• Personalización y el método /v1/pronunciation.
• El elemento <mark> y el parámetro timings que están disponibles con la interfaz de WebSocket.

Para obtener más información, consulte los apartados siguientes:

• Para obtener más información sobre todas las voces disponibles, consulte Idiomas y voces.
• Para obtener más información sobre cómo utilizar la interfaz WebSocket para obtener tiempos de palabra, consulte Generación de tiempos de palabra.
• Para obtener más información sobre la personalización, consulte Comprender la personalización.
• Para obtener más información sobre el uso de IPA y SPR con la personalización, consulte Información sobre los símbolos fonéticos. (Los símbolos IPA para los idiomas árabe, chino, neerlandés de Países Bajos y coreano aún no están documentados. Esta documentación se publicará próximamente).

El servicio ahora admite cinco voces neuronales nuevas:

• US English: en-US_EmilyV3Voice, en-US_HenryV3Voice, en-US_KevinV3Voice y en-US_OliviaV3Voice
• Alemán: de-DE_ErikaV3Voice

Las nuevas voces no admiten los siguientes elementos SSML:

• SSML expresivo con el elemento <express-as>
• Transformación de voz con el elemento <voice-transformation>
• El atributo volume del elemento <prosody>.

Para obtener más información sobre éstas voces y todas las voces disponibles, consulte Idiomas y voces.

El servicio ahora da soporte al uso de sucesos de Activity Tracker para todas las operaciones de personalización. IBM Cloud Activity Tracker registra actividades iniciadas por el usuario que cambian el estado de un servicio en IBM Cloud. Puede utilizar este servicio para investigar una actividad anormal y acciones críticas, así como para cumplir con los requisitos de auditoría de la normativa. Además, puede recibir alertas sobre las acciones a medida que se ocurren. Para obtener más información, consulte Sucesos de Activity Tracker.

El servicio ahora admite seis nuevas voces estándar en tres nuevos idiomas:

• Árabe: ar-AR_OmarVoice
• Chino (mandarín): zh-CN_LiNaVoice, zh-CN_WangWeiVoice y zh-CN_ZhangJingVoice
• Neerlandés de Países Bajos: nl-NL_EmmaVoice y nl-NL_LiamVoice

La siguiente información se aplica a estas nuevas voces estándar:

• Las nuevas funciones son funciones beta. Es posible que las voces no estén listas para el uso de producción y que estén sujetas a cambios. Se trata de ofertas iniciales que se espera que mejoren la calidad por lo que hace al tiempo y al uso.
• Las voces no admiten el elemento <mark> ni el parámetro timings que están disponibles con la interfaz de WebSocket.
• Las voces no admiten la personalización ni el método /v1/pronunciation.
• Las voces no dan soporte al SSML expresivo o al SSML de transformación de voz.
• Las voces admiten todos los demás elementos SSML. No obstante, las voces solo admiten el Alfabeto Fonético Internacional (IPA), no admiten SPR (Symbolic Phonetic Representation) de IBM, con el elemento <phoneme>.

Para obtener más información sobre éstas voces y todas las voces disponibles, consulte Idiomas y voces.

El servicio Text to Speech ahora admite la implementación completa de la gestión de identidad y acceso (IAM - Identity and Access Management) de IBM Cloud. Las claves de API para los servicios de Watson ya no están limitadas a una sola instancia de servicio. Puede crear políticas de acceso y claves de API que se apliquen a más de un servicio, y puede otorgar acceso entre los servicios. Para obtener más información sobre IAM, consulte Autenticación en servicios de Watson.

Para dar soporte a este cambio, los puntos finales de servicio de API utilizan un dominio diferente e incluyen el ID de la instancia de servicio. El patrón es api.{location}.text-to-speech.watson.cloud.ibm.com/instances/{instance_id}.

• URL de HTTP de ejemplo para una instancia alojada en la ubicación de Dallas:

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

• URL de WebSocket de ejemplo para una instancia alojada en la ubicación de Dallas:

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

Para obtener más información sobre las URL, consulta la referencia de la API y el SDK.

Estos URL no constituyen un cambio de última hora. Los nuevos URL funcionan tanto para las instancias de servicio existentes como para las nuevas instancias. Los URL originales siguen trabajando en las instancias de servicio existentes durante al menos un año, hasta diciembre de 2020.

Ahora está disponible el soporte para las siguientes funciones nuevas de seguridad de datos y redes:

• Soporte de puntos finales de red privada

  Los usuarios de planes Premium pueden crear puntos finales de red privados para conectarse al servicio de Text to Speech a través de una red privada. Las conexiones a puntos finales de red privada no requieren acceso a la Internet pública. Para obtener más información, consulte Puntos finales de red públicos y privados.

El servicio ofrece ahora dos versiones de la mayoría de las voces disponibles:

• Voces estándar que utilizan la síntesis por concatenación para ensamblar segmentos de voz grabada con el fin de generar audio. Las voces estándar no incluyen una cadena de la versión en sus nombres (por ejemplo, en-US_AllisonVoice).
• Voces neuronales que utilizan las Redes NeuronalesProfundas (DNN - Deep Neural Networks) para predecir las características acústicas (espectrales) del discurso. Las voces neuronales incluyen una cadena de la versión (V3) en sus nombres (por ejemplo, en-US_AllisonV3Voice).

Las versiones neuronales están disponibles para todas las voces estándar excepto para la voz ja-JP_EmiVoice, que está pendiente y estará disponible pronto. No se pueden utilizar los elementos SSML <express-as> y <voice-transformation> con las voces neuronales y no se puede utilizar el atributo volume del elemento <prosody> con las voces neuronales. Para obtener más información sobre todas las voces disponibles, consulte Idiomas y voces.

El servicio ya no incluye las voces de DNN de V2 que antes estaban disponibles. Si utiliza una voz de V2 en su aplicación, el servicio automáticamente utiliza la voz equivalente de V3.

Ahora el servicio ofrece las versiones de DNN (Deep Neural Network) de V2 de sus voces en alemán:

• de-DE_BirgitV2Voice
• de-DE_DieterV2Voice

Para obtener más información sobre las voces basadas en DNN, consulte Idiomas y voces.

Todas las voces basadas en DNN del servicio admiten ahora los atributos pitch y rate del elemento SSML <prosody>. Las voces basadas en DNN no admiten el atributo volume del elemento <prosody>. Para obtener más información, consulte Elemento prosody.

Ahora los usuarios sólo pueden ver la información de credenciales de servicio que está asociada al rol que se ha asignado a su cuenta de IBM Cloud. Por ejemplo, si se le asigna un rol de reader, las credenciales de servicio de writer o de otros niveles superiores ya no son visibles.

Este cambio no afecta al acceso de API para usuarios o aplicaciones con credenciales de servicio existentes. El cambio sólo afecta a la visualización de credenciales dentro de IBM Cloud.

El servicio ahora ofrece cuatro nuevas voces de V2 que utilizan la síntesis de aprendizaje profundo para generar audio:

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

Estas nuevas voces utilizan el aprendizaje automático y un DNN para sintetizar texto a voz. La síntesis de aprendizaje profundo o basada en DNN (Deep Neural Network, red neuronal profunda) genera audio con una prosodia más natural y una calidad general más coherente.

Pero las nuevas voces también producen audio con diferentes calidades de señal a partir de las voces existentes, por lo que podrían no ser apropiadas para todas las aplicaciones. Además, las nuevas voces no admiten los elementos SSML <prosody>, <express-as> y <voice-transformation>.

Para obtener más información sobre estas voces basadas en DNN y cómo difieren de las voces existentes, consulte Idiomas y voces.

La interfaz WebSocket ahora admite la autenticación de IAM (Identity and Access Management) basada en señales (IAM) a partir de código JavaScript basado en navegador. Se ha eliminado la limitación de lo contrario. Para establecer una conexión autenticada con el método WebSocket /v1/synthesize:

• Si utiliza la autenticación de IAM, incluya el parámetro de consulta access_token.
• Si utiliza las credenciales de servicio de Cloud Foundry, incluya el parámetro de consulta watson-token.

Para obtener más información, consulte Abrir una conexión.

El servicio Text to Speech se ha migrado a la autenticación de IAM (Identity and Access Management) basada en señales para todas las ubicaciones. Todos los servicios de IBM Cloud ahora utilizan la autenticación de IAM. El servicio Text to Speech se ha migrado en cada ubicación en las fechas siguientes:

• Dallas (us-south): 30 de octubre de 2018
• Frankfurt (eu-de): 30 de octubre de 2018
• Washington, DC (us-east): 12 de junio de 2018
• Sídney (au-syd): 15 de mayo de 2018

La migración a la autenticación de IAM afecta de forma distinta a las instancias de servicio nuevas y existentes:

• Todas las instancias de servicio nuevas que se crean en cualquier ubicación ahora utilizan la autenticación de IAM para acceder al servicio. Puede pasar una señal portadora o una clave de API: las señales admiten solicitudes autenticadas sin incluir credenciales de servicio en cada llamada; las claves de API utilizan la autenticación básica HTTP. Cuando se utiliza cualquier SDK de Watson, se puede pasar la clave de API y dejar que SDK gestione el ciclo de vida de las señales.
• Las instancias de servicio existentes que ha creado en una ubicación antes de la fecha de migración indicada siguen utilizando el {username} y la {password} de sus credenciales de servicio de Cloud Foundry para la autenticación hasta que las migre para que utilicen la autenticación de IAM.

Para obtener más información, consulte la siguiente documentación:

• Para saber qué mecanismo de autenticación utiliza tu instancia de servicio, consulta las credenciales del servicio haciendo clic en la instancia en el panel de control de IBM Cloud.
• Para obtener más información sobre la utilización de señales IAM con servicios Watson, consulte Autenticación en servicios de Watson.
• Para ver ejemplos que utilizan la autenticación de IAM, consulta la referencia de la API y el SDK.

Hay las siguientes características habilitadas para las aplicaciones alojadas en Washington, DC (us-east):

• El servicio ahora admite un nuevo proceso de autenticación de API. Para obtener más información, consulte la actualización de servicio del 30 de octubre de 2018.
• El servicio ahora admite la cabecera X-Watson-Metadata y el método DELETE /v1/user_data. Para obtener más información, consulte Seguridad de la información.

Hay las siguientes características habilitadas para las aplicaciones alojadas en Sídney (au-syd):

• El servicio ahora admite un nuevo proceso de autenticación de API. Para obtener más información, consulte la actualización de servicio del 30 de octubre de 2018.
• El servicio ahora admite la cabecera X-Watson-Metadata y el método DELETE /v1/user_data. Para obtener más información, consulte Seguridad de la información.

• El método POST /v1/customizations ahora devuelve 201 (en lugar de 200).
• El método POST /v1/customizations/{customization_id} ahora devuelve 200 (en lugar de 201).
• El método POST /v1/customizations/{customization_id}/words ahora devuelve 200 (en lugar de 201).
• El método PUT /v1/customizations/{customization_id}/words/{word} ahora devuelve 200 (en lugar de 201).

El servicio incluye una nueva voz, es-LA_SofiaVoice, que es el equivalente latinoamericano de la voz de es-US_SofiaVoice. La diferencia más significativa entre las dos voces se refiere a cómo interpretan un $ (signo del dólar): La versión latinoamericana utiliza el término pesos; la versión norteamericana utiliza el término dólares. También puede haber otras diferencias menores entre las dos voces.

Además de la voz en-US_AllisonVoice, ahora hay dos voces más transformables con el SSML de transformación de voz: en-US_LisaVoice y en-US_MichaelVoice.

Cuando se utiliza la interfaz de personalización con japonés, el servicio ahora coincide con la palabra más larga de los pares palabra/traducción definidos para un modelo personalizado. Por ejemplo, tenga en cuenta las dos entradas siguientes para un modelo personalizado:

{
  "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"}
  ]
}

Si el servicio encuentra la cadena « ＮＹＣ » en el texto de entrada, la considera una coincidencia porque es una coincidencia más larga que « ＮＹ ». Anteriormente, el servicio habría encontrado coincidencias con la cadena « ＮＹ ». Para obtener más información sobre cómo trabajar con entradas en japonés en un modelo personalizado, consulta «Trabajar con entradas en japonés ».

El servicio ahora ofrece una interfaz WebSocket para sintetizar texto a voz. La interfaz ofrece las mismas características que el método /v1/synthesize de la interfaz HTTP. Acepta texto sin formato o texto con marcaje SSML. Además, también da admite el uso del elemento SSML <mark> para identificar el tiempo en el audio en que termina de sintetizar todo el texto que precede a la marca. Para obtener más información, consulte La interfaz WebSocket.

El servicio ahora ofrece soporte para texto anotado con SSML para los idiomas español de España y de América del Norte, italiano y portugués de Brasil. El servicio ya admitía el uso de SSML para inglés del Reino Unido y de EE.UU., francés y alemán. A partir de esta actualización, el servicio admite SSML para todos los idiomas excepto el japonés. Además, puede utilizar las notaciones IPA y SPR de IBM para definir pronunciaciones de palabras con el elemento SSML <phoneme>. Para obtener más información, consulte Información sobre SSML y Información sobre los símbolos fonéticos.

Para el inglés de EE.UU. también puede utilizar el elemento SSML <phoneme> para crear entradas de palabras en un modelo personalizado; la personalización sólo está soportada para el inglés de EE.UU. Para obtener más información, consulte Comprender la personalización.

El servicio ha mejorado la expresividad y la naturalidad de las voces más utilizadas. Estas mejoras se basan en la predicción de prosodia basada en RNN (Recursive Neural Network) a partir del texto de entrada. Están disponibles como un nuevo motor de servicio y actualizaciones de modelos de voz para los idiomas siguientes:

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

El método GET /v1/pronunciation ahora acepta un parámetro de consulta opcional customization_id. El parámetro obtiene una traducción de una palabra de un modelo personalizado especificado. Si el modelo personalizado no contiene la palabra, el método devuelve la pronunciación predeterminada de la palabra. Para más información, consulte la referencia API y SDK.

Al utilizar el método GET /v1/pronunciation sin un ID de personalización y para un idioma distinto del inglés de EE.UU., puede solicitar la pronunciación de una palabra sólo en la notación IBM SPR. Para un idioma distinto del inglés de EE.UU., debe especificar spr con la opción format del método.

La lista de formatos de audio admitidos incluye ahora audio/basic, que proporciona un audio de un solo canal que se codifica utilizando datos u-law (o mu-law) de 8 bits que se muestrean a 8 kHz. Para obtener más información, consulte Utilización de formatos de audio.

Los métodos HTTP y WebSocket /v1/synthesize pueden devolver una respuesta de warnings que incluye mensajes sobre parámetros de consulta no válidos o campos JSON que se incluyen en una solicitud. El formato de los avisos ha cambiado. En el ejemplo siguiente se muestra el formato anterior:

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

Ahora, el mismo aviso tiene el formato siguiente:

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

El servicio ofrece una nueva interfaz de personalización que se puede utilizar para especificar cómo se pronuncian las palabras inusuales que aparecen en la entrada. La interfaz incluye algunos métodos nuevos que puedes utilizar para crear y gestionar modelos personalizados y los pares de palabras y traducciones que contienen. Puede utilizar los modelos personalizados al sintetizar texto a audio.

El servicio admite conversiones de tipo 'suena como' y transcripciones fonéticas. Las transcripciones fonéticas pueden utilizar la representación estándar IPA (International Phonetic Alphabet) o la representación SPR (Symbolic Phonetic Representation), propiedad de IBM. Se utiliza el SSML para especificar conversiones fonéticas.

La interfaz de personalización incluye una colección de nuevos métodos HTTP denominados POST /v1/customizations, POST /v1/customizations/{customization_id}, POST /v1/customizations/{customization_id}/words y PUT /v1/customizations/{customization_id}/words/{word}. El servicio también proporciona el nuevo método GET /v1/pronunciation que devuelve la pronunciación de cualquier palabra y el nuevo método GET /v1/voices/{voice} que devuelve información detallada acerca de una voz específica. Además, los métodos existentes de la interfaz del servicio ahora aceptan parámetros de modelo personalizados según sea necesario.

Para obtener más información sobre la personalización y su interfaz, consulte Comprender la personalización y la referencia API y SDK.

La interfaz de personalización es un release beta que actualmente sólo da soporte al inglés de Estados Unidos. Todos los métodos de personalización y el método GET /v1/pronunciation se pueden utilizar actualmente para crear y manipular modelos personalizados y traducciones de palabras sólo en inglés de EE.UU.

El servicio admite una nueva voz, pt-BR_IsabelaVoice, para sintetizar audio en portugués de Brasil con una voz femenina. Para obtener más información, consulte Idiomas y voces.

Hay dos nuevos SDK (Software Development Kits) beta para móviles disponibles para los servicios de voz. Estos SDK permiten a las aplicaciones móviles interaccionar con los servicios Text to Speech y Speech to Text. Puede utilizar los SDK para enviar texto al servicio Text to Speech y recibir una respuesta de audio.

• El documento « Watson Swift SDK » está disponible en el repositorio « Repositorio de Swift SDK », dentro del espacio de nombres « watson-developer-cloud », en GitHub.
• El kit de desarrollo de aplicaciones de voz de Android ( Watson ) Android™ SDK está disponible en el repositorio «speech-android-sdk» del espacio de nombres watson-developer-cloud en GitHub.

Los dos SDK admiten la autenticación con servicios de voz utilizando las credenciales de servicio de IBM Cloud o bien una señal de autenticación. Dado que los SDK son funciones en fase beta, están sujetos a cambios en el futuro.

El servicio admite un nuevo idioma, el japonés. La voz ja-JP_EmiVoice es una voz japonesa femenina.

El servicio pasó de beta a disponibilidad general (GA - General Availability) el 1 de julio de 2015. Las siguientes diferencias existen entre las versiones beta y GA de la API de Text to Speech. El release GA requiere que los usuarios actualicen a la nueva versión del servicio.

Un nuevo modelo de programación da soporte a la interacción directa entre un cliente y el servicio. Utilizando este modelo, un cliente puede obtener una señal de autenticación para comunicarse directamente con el servicio. Utilizando la señal, el cliente puede eludir la necesidad de una aplicación proxy del lado del servidor en IBM Cloud para llamar al servicio en su nombre. Las señales son el medio preferido para que los clientes interactúen con el servicio.

El servicio continúa admitiendo el modelo de programación antiguo que utilizaba un proxy del lado del servidor para retransmitir comunicaciones y datos entre el cliente y el servicio. Pero el nuevo modelo es más eficiente y proporciona un mayor rendimiento.

Ahora, se puede pasar SSML (Speech Synthesis Markup Language) a las versiones HTTP GET y POST del método /v1/synthesize. SSML es un lenguaje de códigos basado en XML, diseñado para proporcionar anotaciones de texto para aplicaciones de síntesis de voz, como por ejemplo el servicio Text to Speech. Para obtener más información sobre cómo pasar la entrada SSML al servicio, consulte Especificar el texto de entrada.

Inicialmente, el servicio admite el uso de SSML sólo para los idiomas inglés del Reino Unido y de EE.UU., francés y alemán. El servicio no admite SSML para italiano o español. Al utilizar SSML, asegúrese de que no seleccionar una voz para el audio en uno de los idiomas no soportados. Los resultados en tal caso no serían significativos.

Las voces compatibles con el habla sintetizada que se modifica y amplía. El servicio ahora admite otras voces, idiomas y dialectos mediante los métodos /v1/synthesize. Para obtener más información sobre las voces soportadas, consulte Idiomas y voces.

Las tres voces que había disponibles en beta se han renombrado para GA:

• VoiceEnUsMichaeles ahoraen-US_MichaelVoice
• VoiceEnUsLisaes ahoraen-US_LisaVoice
• VoiceEsEsEnriquees ahoraes-ES_EnriqueVoice

Los nombres anteriores de las voces seguirán funcionando con la versión beta del servicio (a través de los puntos finales de la API -beta) mientras esa versión siga disponible. Sin embargo, debe utilizar los nuevos nombres con la versión GA del servicio.

Ahora puede solicitar al servicio que devuelva el audio en formato FLAC (Free Lossless Audio). El servicio todavía puede devolver el audio en formato Ogg con el códec Opus (el predeterminado) y en formato WAV (Waveform Audio File Format). Para obtener más información sobre la utilización de formatos de audio con los métodos /v1/synthesize, consulte Utilización de formatos de audio.

El texto que se envía al método /v1/synthesize en el URL de una solicitud HTTP GET o en el cuerpo de una solicitud HTTP POST está ahora limitado a un máximo de 5 KB. En la versión beta, el texto tenía un tamaño máximo de 4 MB.

Los métodos /v1/synthesize ahora incluyen la cabecera X-WDC-PL-OPT-OUT para controlar si el servicio utiliza los resultados de texto y audio de una operación para mejorar los resultados futuros. Especifique el valor 1 para impedir que el servicio utilice los resultados de texto y de audio. El parámetro se aplica sólo a la solicitud actual. La nueva cabecera sustituye a la cabecera X-logging de los métodos beta. Para obtener más información, consulte Control del registro de solicitudes para servicios Watson.

Para los métodos /v1/synthesize, se han modificado los siguientes códigos de error:

• Se ha eliminado el código de error 406 ("No aceptable. El tipo MIME no admitido.") se ha eliminado.
• Se ha añadido el código de error 415 ("Tipo de soporte no soportado").
• Se ha añadido el código de error 503 ("Servicio no disponible").

Para el método GET /v1/voices, se han modificado los códigos de error siguientes:

• Se ha eliminado el código de error 406 ("No aceptable. El tipo MIME no admitido.") se ha eliminado.
• Se ha añadido el código de error 415 ("Tipo de soporte no soportado").