Il servizio ora supporta una nuova voce femminile naturale per il portoghese brasiliano:

• pt-BR_IsabelaNatural

Le voci naturali offrono prestazioni avanzate in termini di naturalezza ed espressività. Queste voci utilizzano varie tecniche per ottenere un vantaggio rispetto alle voci espressive. Per ulteriori informazioni, vedi

• Voci naturali
• Simboli portoghesi(brasiliani)

Le voci concatenanti standard ( v1 ) precedentemente deprecate sono ora sostituite dai loro equivalenti neurali ( v3 ) durante la sintesi. Quando una richiesta specifica una di queste voci v1, viene utilizzata la voce v3 corrispondente.

• 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

Se si omette il parametro opzionale voice da una richiesta di sintesi vocale, il servizio utilizza ora en-US_MichaelV3Voice come impostazione predefinita. Questa voce neurale ( v3 ) sostituisce la precedente voce concatenante standard predefinita ( v1 ), en-US_MichaelVoice.

La funzione beta Tune by Example è deprecata. Le API per la creazione di nuovi prompt o modelli di altoparlanti non sono più supportate.

• Utenti esistenti: Le personalizzazioni esistenti che contengono già prompt o modelli di altoparlanti continueranno a funzionare per la sintesi vocale per un periodo di tempo limitato. Tuttavia, non è possibile creare nuovi prompt o modelli di altoparlanti.
• Nuovi utenti: Le API per la creazione di prompt o modelli di altoparlanti sono disattivate e non possono essere utilizzate.

La funzione Tune by Example sarà completamente rimossa dal servizio in una release futura. Una volta rimossa, la sintesi che utilizza personalizzazioni basate su prompt o modelli di altoparlanti non sarà più supportata.

Il servizio ora supporta due nuove voci naturali, una maschile e una femminile, per l'inglese australiano:

• en-AU_JackNatural
• en-AU_HeidiNatural

Le voci naturali offrono prestazioni avanzate in termini di naturalezza ed espressività. Queste voci utilizzano varie tecniche per ottenere un vantaggio rispetto alle voci espressive. Per ulteriori informazioni, vedi

• Voci naturali
• Simboli inglesi(australiani)

Il servizio ora supporta due nuove voci naturali, una maschile e una femminile, per lo spagnolo latinoamericano:

• es-LA_AlejandroNatural
• es-LA_DanielaNatural

Le voci naturali offrono prestazioni avanzate in termini di naturalezza ed espressività. Queste voci utilizzano varie tecniche per ottenere un vantaggio rispetto alle voci espressive. Per ulteriori informazioni, vedi

• Voci naturali
• Simboli per lo spagnolo

Il servizio supporta ora due nuove voci naturali, una maschile e una femminile, per il portoghese brasiliano:

• pt-BR_LucasNatural
• pt-BR_CamilaNatural

Le voci naturali offrono prestazioni avanzate in termini di naturalezza ed espressività. Queste voci utilizzano varie tecniche per ottenere un vantaggio rispetto alle voci espressive. Per ulteriori informazioni, vedi

• Voci naturali
• Simboli portoghesi(brasiliani)

Il servizio supporta ora quattro nuove voci naturali, due maschili e due femminili, per l'inglese statunitense:

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

Il servizio supporta ora due nuove voci naturali, maschile e femminile, per l'inglese britannico:

• en-GB_ChloeNatural
• en-GB_GeorgeNatural

Il servizio supporta ora una nuova voce femminile naturale per il CA English:

• en-CA_HannahNatural

Le voci naturali offrono prestazioni avanzate in termini di naturalezza ed espressività. Queste voci utilizzano varie tecniche per ottenere un vantaggio rispetto alle voci espressive. Per ulteriori informazioni, vedi

• Voci naturali
• Simboli in inglese(Stati Uniti e Canada)
• Simboli per l'inglese (Regno Unito)

Il servizio supporta ora una nuova generazione di voci chiamate Natural Voices, con una nuova voce per l'inglese americano:

• en-US_EllieNatural

Le voci naturali offrono prestazioni avanzate in termini di naturalezza ed espressività. Queste voci utilizzano varie tecniche per ottenere un vantaggio rispetto alle voci espressive. Per ulteriori informazioni, vedere Voci naturali.

È ora possibile specificare il valore group o single con l'attributo opzionale format. Questi attributi aiutano a migliorare la leggibilità delle stringhe alfanumeriche, come la conferma di numeri e ID, aggiungendo silenzi strategici.

Il servizio ora supporta una nuova voce neurale espressiva maschile per il portoghese brasiliano:

• pt-BR_LucasExpressive

Le voci neurali espressive offrono un linguaggio dal suono naturale, chiaro, nitido e fluido. La nuova voce è generalmente disponibile (GA) per uso di produzione. Supporta l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR). Per ulteriori informazioni, vedi

• Voci neurali espressive
• Simboli portoghesi(brasiliani)
• Voci espressive portoghesi

Il servizio supporta ora una nuova voce neurale maschile espressiva per l'inglese britannico:

• en-GB_GeorgeExpressive

Le voci neurali espressive offrono un linguaggio dal suono naturale, chiaro, nitido e fluido. La nuova voce è generalmente disponibile (GA) per uso di produzione. Supporta l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR). Per ulteriori informazioni, vedi

• Voci neurali espressive
• Simboli per l'inglese (Regno Unito)

Il servizio ora supporta una nuova voce neurale espressiva femminile per lo spagnolo latinoamericano

• es-LA_DanielaExpressive

Le voci neurali espressive offrono un linguaggio dal suono naturale, chiaro, nitido e fluido. La nuova voce è generalmente disponibile (GA) per uso di produzione. Supporta l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR). Per ulteriori informazioni, vedi

• Voci neurali espressive
• Voci espressive spagnole.
• Simboli spagnoli.

Importante: tutte le voci neurali hanno raggiunto la data di fine del servizio e sono state rimosse dal servizio e dalla documentazione. Non sono interessate le voci neurali potenziate o le voci neurali espressive. Per un elenco completo di tutte le voci neurali obsolete, consultare gli aggiornamenti del servizio del 1° marzo 2023. Il tentativo di utilizzare una voce obsoleta restituisce il codice di risposta HTTP 404 con il messaggio 'Model '{voice}' not found.

Nuove voci neurali avanzate ed espressive sono disponibili per l'inglese australiano, il coreano e l'olandese olandese. È necessario migrare a una delle nuove voci per l'inglese australiano, il coreano o l'olandese olandese per continuare a utilizzare le lingue obsolete.

Per ulteriori informazioni, vedi Lingue e voci.

Il servizio ora supporta una nuova voce femminile neurale migliorata per l'olandese olandese: nl-NL_MerelV3Voice. Supporta l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR).

La nuova voce è una funzione beta in attesa del completamento del supporto per SSML. Nella versione iniziale, la voce non supporta l'uso delle seguenti funzioni relative a SSML:

• L'elemento <prosody> con qualsiasi richiesta di sintesi vocale
• I parametri rate_percentage e pitch_percentage con qualsiasi richiesta di sintesi vocale
• L'elemento <mark> con una richiesta di sintesi vocale WebSocket
• Il parametro timings del messaggio di testo JSON con una richiesta di sintesi vocale WebSocket

Per ulteriori informazioni sulla nuova voce, il suo supporto per i simboli IPA e SPR e la migrazione alla nuova voce dalle voci neurali olandesi obsolete, vedi

• Voci neurali avanzate
• Simboli olandesi(Paesi Bassi)

Correzione di un difetto: Nella documentazione dei simboli SPR coreani, i simboli a due caratteri per le consonanti sono ora racchiusi tra virgolette singole, diventando così un unico simbolo. In precedenza, venivano mostrati come due simboli separati, senza virgolette. Per ulteriori informazioni, vedi Consonanti(coreano).

La documentazione di panoramica per i simboli SPR IBM è stata aggiornata per chiarire l'utilizzo di simboli a più caratteri. Per ulteriori informazioni, vedi Simboli audio vocale).

Importante: In vigore 31 marzo 2023, tutte le voci neurali raggiungono la data di fine del servizio e verranno rimosse dal servizio e dalla documentazione. Le voci neurali sono state depredate dal 31 marzo 2022. Nessuna voce neurale o espressiva migliorata viene influenzata.

Le seguenti voci neurali sono state rimosse:

• Arabo: ar-MS_OmarVoice
• Cinese (mandarino): zh-CN_LiNaVoice, zh-CN_WangWeiVoice, e zh-CN_ZhangJingVoice
• Ceco: cs-CZ_AlenaVoice
• Olandese (belga): nl-BE_AdeleVoice e nl-BE_BramVoice
• Olandese (Paesi Bassi): nl-NL_EmmaVoice e nl-NL_LiamVoice
• Inglese (australiano): en-AU_CraigVoice, en-AU_MadisonVoice e en-AU_SteveVoice
• Coreano: ko-KR_HyunjunVoice, ko-KR_SiWooVoice, ko-KR_YoungmiVoice e ko-KR_YunaVoice
• Svedese: sv-SE_IngridVoice

Nuove voci neurali neurali ed espressive potenziate sono già disponibili per l'inglese australiano e il coreano. Nelle prossime settimane sarà disponibile una nuova voce neurale potenziata per la lingua olandese. È necessario migrare a una delle nuove voci per l'inglese australiano, coreano o olandese prima del 31 marzo 2023.

Per ulteriori informazioni, vedi Lingue e voci.

Il servizio ora supporta due nuove voci neurali espressive, maschile e femminile, per l'inglese australiano:

• en-AU_HeidiExpressive
• en-AU_JackExpressive

Le voci neurali espressive offrono un linguaggio dal suono naturale, eccezionalmente chiaro, croccante e fluido. Le nuove versioni sono ora disponibili per l'uso in produzione. Supportano l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR). Per ulteriori informazioni, vedi

• Voci neurali espressive
• Simboli inglesi(australiani)

Puoi migrare dalle voci neurali dell'inglese australiano che sono obsolete alle nuove voci neurali espressive.

Il servizio ora supporta una nuova voce femminile neurale avanzata per il coreano: ko-KR_JinV3Voice. La nuova voce è generalmente disponibile (GA) per uso di produzione. Supporta l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR). Per ulteriori informazioni, vedi

• Voci neurali avanzate
• Simboli per il coreano

È possibile migrare dalle voci neurali coreane obsolete alla nuova voce neurale avanzata.

Correzione del difetto: Le voci francese e canadese ora pronunciano correttamente i tempi come 19:41. In precedenza, le voci omettevano elementi del tempo nell'audio sintetizzato.

Correzione del difetto: la voce giapponese non inserisce più un audio non previsto nei risultati di sintesi vocale. In precedenza, in alcuni casi veniva inserito altro audio.

IBM ha annunciato l'abbandono di IBM Cloud Foundry il 31 maggio 2022. A partire dal 30 novembre 2022, non sarà più possibile creare nuove applicazioni 'IBM 'Cloud Foundry e solo gli utenti esistenti potranno distribuire le applicazioni. IBM 'Cloud Foundry raggiungono la fine del supporto il 1° giugno 2023. Quindi, qualsiasi IBM Istanze runtime di applicazioni Cloud Foundry che eseguono IBM Cloud Foundry verranno disattivate, deprovisionate ed eliminate in modo permanente.

Per continuare a utilizzare le applicazioni IBM Cloud oltre il 1° giugno 2023, è necessario migrare ai gruppi di risorse prima di tale data. I gruppi di risorse sono concettualmente simili agli spazi di Cloud Foundry. Tra questi figurano diversi vantaggi aggiuntivi, quali un controllo degli accessi più granulare grazie all'utilizzo dell'IAM ( IBM Cloud Identity and Access Management ), la possibilità di collegare le istanze di servizio ad app e servizi in diverse regioni e un modo semplice per visualizzare i dati di utilizzo per gruppo.

Correzione del difetto: è ora possibile utilizzare l'elemento <say-as> per pronunciare numeri grandi come numeri cardinali. In precedenza, racchiudere un numero grande nell'elemento <say-as> con l'attributo interpret-as="cardinal" poteva causare il fallimento della sintesi vocale per le voci inglesi. Ad esempio, <say-as interpret-as="cardinal">3,200</say-as> potrebbe far sì che il servizio generi un errore. Per ulteriori informazioni, consultare cardinale nell'argomento Elementi SSML.

Correzione del difetto: il servizio ora pronuncia gli omonimi e altre parole correttamente in base al loro contesto nel testo inglese che deve essere sintetizzato. In precedenza, parole come advocate e wifi potevano essere pronunciate in modo errato dalle voci inglesi.

• Creazione di un modello personalizzato
• Riferimento API e SDK

Il servizio offre quattro nuove voci neurali espressive per l'inglese americano:

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

Le voci neurali espressive offrono un linguaggio dal suono naturale, eccezionalmente chiaro, croccante e fluido. Le nuove versioni sono ora disponibili per l'uso in produzione. Supportano l'uso sia dell'Alfabeto Fonetico Internazionale (IPA) standard che di IBM Rappresentazione fonetica simbolica (SPR). Per ulteriori informazioni, vedi

• Voci neurali espressive
• Simboli per l'inglese (Stati Uniti)

Le voci neurali espressive determinano il sentimento del testo dal contesto delle parole e delle frasi. Il discorso che producono, oltre ad avere uno stile colloquiale, riflette l'umore del testo. Ma puoi abbellire le tendenze naturali delle voci indicando che tutto o parte del testo è quello di enfatizzare uno dei seguenti stili parlanti:

• Allegro- Esprime felicità e buone notizie.
• Empatico- Esprime empatia o simpatia.
• Neutrale- Esprime obiettività e uniformità.
• Incerto- Esprime confusione o incertezza.

Per ulteriori informazioni, consultare Utilizzo degli stili di conversazione.

Con le voci neurali espressive, il servizio rileva automaticamente un insieme di interiezioni comuni basate sul contesto. Quando sintetizza queste interiezioni, dà loro l'enfasi naturale che un essere umano userebbe nella conversazione normale. Per alcune delle interezioni, è possibile utilizzare SSML per abilitarne o disabilitarne l'enfasi. Per ulteriori informazioni, vedi Enfatizzazione delle interiezioni.

Le voci espressive utilizzano uno stile conversazionale che applica naturalmente l'intonazione corretta dal contesto. Ma si può indicare che una o più parole devono essere date più o meno enfasi. La variazione dello stress può essere indicata da un aumento o una diminuzione dell'altezza, del tempo, del volume o di altri attributi acustici. Per ulteriori informazioni, vedi Sottolineatura delle parole.

• Per ulteriori informazioni sui formati disponibili, vedi Formati audio supportati.
• Per ulteriori informazioni su come specificare un formato, vedi Specifica di un formato audio.

Importante: In vigore 31 marzo 2022, tutte le voci neurali sono obsolete. Le voci obsolete restano disponibili agli utenti esistenti fino al 31 marzo 2023, quando verranno rimosse dal servizio e dalla documentazione. Nessuna voce neurale o voce espressiva migliorata è obsoleta.

Le seguenti voci neurali sono ora obsolete:

• Arabo: ar-MS_OmarVoice
• Cinese (mandarino): zh-CN_LiNaVoice, zh-CN_WangWeiVoice, e zh-CN_ZhangJingVoice
• Ceco: cs-CZ_AlenaVoice
• Olandese (belga): nl-BE_AdeleVoice e nl-BE_BramVoice
• Olandese (Paesi Bassi): nl-NL_EmmaVoice e nl-NL_LiamVoice
• Inglese (australiano): en-AU_CraigVoice, en-AU_MadisonVoice e en-AU_SteveVoice
• Coreano: ko-KR_HyunjunVoice, ko-KR_SiWooVoice, ko-KR_YoungmiVoice e ko-KR_YunaVoice
• Svedese: sv-SE_IngridVoice

Le voci neurali obsolete continuano ad essere disponibili per gli utenti esistenti ma non sono più disponibili per i nuovi utenti:

• Utenti esistenti: le Istanze del servizio create prima del 31 marzo 2022 possono continuare a utilizzare le voci obsolete per la sintesi vocale. Le istanze possono anche essere usate per creare e lavorare con modelli personalizzati che si basano sulle voci deprecate. E possono continuare a elencare e interrogare le voci con i metodi GET /v1/voices/{voice} e GET /v1/voices.
• Nuovi utenti: Le istanze del servizio create a partire dal 31 marzo 2022 non possono utilizzare le voci deprecate per la sintesi vocale. Le istanze non possono nemmeno essere usate per creare modelli personalizzati basati sulle voci deprecate. E non possono elencare o interrogare le voci con i metodi GET /v1/voices e GET /v1/voices/{voice}. Qualsiasi chiamata API che includa una delle voci deprecate restituisce un codice di errore HTTP 400 o 404, a seconda della chiamata.

Le nuove voci per l'inglese australiano, l'olandese e il coreano saranno rilasciate entro il 15 febbraio 2023. Se stai utilizzando voci australiane in inglese, olandese o coreano, le tue chiamate API verranno automaticamente reindirizzate alle nuove voci in tale lingua. Le voci in arabo, cinese, ceco, svedese e fiammingo saranno rimosse dal servizio.

Per ulteriori informazioni su tutte le lingue e le voci disponibili, vedi Lingue e voci.

Le voci di concatenazione standard sono state deprecate il 2 dicembre 2020. Queste voci standard sono state ora rimosse dalla guida di riferimento API. Anche l'argomento Migrating from standard to neural voices è stato rimosso dalla pagina Languages and voices.

Allo stesso modo, il nome precedente della voce araba, ar-AR_OmarVoice, era obsoleto allo stesso tempo. Anche questo è stato rimosso dalla documentazione. Utilizzare invece la voce ar-MS_OmarVoice.

L'oggetto di risposta che il servizio invia quando si richiede la temporizzazione delle parole con l'interfaccia WebSocket è cambiato. Il servizio ora invia i risultati di temporizzazione parola in un singolo array che include una stringa seguita da due float:

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

Il servizio ha precedentemente inviato i risultati di temporizzazione come un array che includeva una stringa seguita da un array di due float:

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

Inoltre, il livello di precisione per i tempi e i contrassegni delle parole è ora ridotto a tre posizioni decimali. Per ulteriori informazioni sulle nuove risposte, vedi Generazione degli orari delle parole.

Nota: in passato i risultati per le voci neurali e neurali avanzate erano diversi. Queste incongruenze potrebbero causare errori per gli SDK Watson SDK. I risultati per tutte le voci sono ora coerenti.

• Gli esempi dell'elemento <break> sono ora corretti. L'elemento è unario, come ora mostrato negli esempi. Gli esempi precedenti includevano tag di apertura e chiusura con testo incorporato. Il testo incorporato non è stato pronunciato dal servizio. Per ulteriori informazioni, vedere Elemento <break>.
• Il servizio supporta la versione SSML 1.1. Tutti i riferimenti e gli esempi ora utilizzano la versione corretta. La documentazione si riferiva in precedenza alla versione 1.0.

Una nuova lingua, il ceco, con una nuova voce femminile, cs-CZ_AlenaVoice, è ora disponibile. La voce è una voce neurale.

Una nuova voce maschile belga olandese (fiammingo), nl-BE_BramVoice, è ora disponibile. La voce è una voce neurale.

Fix Defect: i seguenti difetti per SSML (Speech Synthesis Markup Language) e sintesi vocale sono stati corretti con questa release:

• L'attributo pitch dell'elemento <prosody> viene ora applicato a tutto il testo specificato. In precedenza, il cambiamento di tono non era sempre applicato alla prima parola del testo interessato. Inoltre, la documentazione ora include maggiori indicazioni su come specificare un valore pitch Per ulteriori informazioni, consultare L'attributo pitch.
• La sintesi vocale del testo giapponese ora parla l'audio più lentamente. In precedenza, il discorso sintetizzato veniva pronunciato troppo rapidamente. Se si rileva che la sintesi del testo in giapponese è ancora parlata troppo rapidamente per la propria applicazione, utilizzare l'attributo rate dell'elemento SSML <prosody> per controllare la frequenza del discorso. Per ulteriori informazioni, consultare L'attributo rate.
• Le voci neurali ora analizzano correttamente il carattere apostrofo escape ('). In precedenza, alcune voci neurali non interpretavano correttamente il carattere.

Il servizio ora supporta il francese canadese con la voce neurale avanzata fr-CA_LouiseV3Voice. La voce francese canadese supporta la personalizzazione ed è generalmente disponibile (GA) per uso di produzione.

• Per ascoltare un esempio della nuova voce, vedi Lingue e voci supportate.
• Per ulteriori informazioni sui simboli fonetici e sui valori Unicode disponibili per la lingua francese canadese, vedi Simboli francesi(canadesi).

La nuova funzione Tune by Example consente di controllare il modo in cui il servizio pronuncia il testo specificato. Si tratta di una funzione beta supportata solo per i modelli e le voci personalizzate in inglese americano. Ha due componenti:

• I prompt personalizzati includono il testo scritto che deve essere pronunciato e l'audio registrato che parla il testo come vuoi ascoltarlo. L'audio specifica l'intonazione, la cadenza e lo stress del testo sintetizzato. Il prompt può enfatizzare diverse sillabe o parole, introdurre pause e in generale rendere il suono audio sintetizzato più naturale e appropriato per il suo contesto.
• I modelli di altoparlanti forniscono l'audio di registrazione per un utente che parla una o più richieste. Un modello di altoparlante fornisce un esempio audio della voce di un utente. Il servizio si allena sulla voce, che può aiutare a produrre suggerimenti di qualità superiore per quell' altoparlante.

Specifica una richiesta personalizzata con una richiesta di sintesi vocale per indicare come la voce del servizio deve pronunciare il testo. Per specificare una richiesta, utilizzare l'estensione SSML <ibm:prompt id="{prompt_id}"/>. L'audio sintetizzato duplica la prosodia del prompt.

Il servizio include otto nuovi metodi per lavorare con la funzione Tune by Example. Le descrizioni dei nuovi metodi che seguono forniscono i collegamenti alle rispettive voci nel riferimento dell'API e dell'SDK. Potrebbe essere necessario selezionare la scheda Curl del riferimento per visualizzare i nuovi metodi.

• Il servizio include quattro metodi per gestire i prompt personalizzati:

  • Elenco prompt personalizzati: GET /v1/customizations/{customization_id}/prompts
  • Richiama una richiesta personalizzata: GET /v1/customizations/{customization_id}/prompts/{prompt_id}
  • Eliminare un prompt personalizzato: DELETE /v1/customizations/{customization_id}/prompts/{prompt_id}

• Il servizio include quattro metodi per lavorare con i modelli di altoparlanti:

  • Elenca modelli di altoparlanti: GET /v1/speakers
  • Scarica un modello di altoparlante: GET /v1/speakers/{speaker_id}
  • Eliminare un modello di altoparlante: DELETE /v1/speakers/{speaker_id}

I nomi delle azioni per gli eventi Activity Tracker per i metodi di personalizzazione sono cambiati. Le azioni ora includono la stringa custom-model invece di custom-voice. I vecchi nomi delle azioni sono obsoleti. I vecchi nomi sono ancora disponibili per l'uso ma verranno rimossi in una data futura. Migrare ai nuovi nomi elencati in Eventi di personalizzazione al più presto.

Crea eventi Nome azione obsoleto-> Nuovo nome azione

• 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

Leggi gli eventi Nome azione obsoleto-> Nuovo nome azione

• 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

Aggiorna evento Nome azione obsoleto-> Nuovo nome azione

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

Elimina eventi Nome azione obsoleta-> Nuovo nome azione

• 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

Le voci offerte dal servizio hanno subito un cambiamento significativo. Il servizio supporta nuove lingue e voci, ha migliorato la qualità di molte voci e ha deprecato molte voci più vecchie. Inoltre, tutte le voci dei servizi sono ora personalizzabili e generalmente disponibili (GA) per l'uso in produzione.

Per ottimizzare la qualità complessiva della sintesi vocale, tutte le voci disponibili sono ora basate sulla tecnologia neurale. Il servizio offre due tipi di voci basate sulla tecnologia neurale:

• Le voci neurali, che non includono la stringa V3 nei loro nomi, sono ora disponibili per l'arabo, l'inglese australiano, il cinese, l'olandese e il coreano. Le voci neurali supportano l'utilizzo dell'alfabeto fonetico internazionale (IPA) con l'elemento <phoneme> SSML (Speech Synthesis Markup Language).
• Le voci neurali avanzate, che includono la stringa V3 nei relativi nomi, sono ora disponibili per il portoghese brasiliano, il Regno Unito e l'inglese degli Stati Uniti, il francese, il tedesco, l'italiano, il giapponese e lo spagnolo (tutti dialetti). Le voci neurali migliorate supportano l'utilizzo di IPA e IBM SPR (Symbolic Phonetic Representation) con l'elemento SSML <phoneme>. Le voci neurali migliorate raggiungono anche un grado leggermente più alto di suono naturale. Nei prossimi mesi sono previste ulteriori possibilità di personalizzazione per migliorare le voci neurali.

Il servizio non offre più voci standard per nessuna lingua. Le voci standard utilizzavano la sintesi concatenata per assemblare segmenti di parlato registrato e generare l'audio richiesto.

Per ulteriori informazioni, vedi Lingue e voci.

Le seguenti voci australiane in inglese e coreano sono nuove:

• Il servizio ora supporta l'inglese australiano con le seguenti due voci neurali: en-AU_CraigVoice e en-AU_MadisonVoice.
• Il servizio ora supporta due nuove voci neurali coreane: ko-KR_HyunjunVoice e ko-KR_SiWooVoice.

Le voci per le lingue esistenti arabo, cinese, olandese e coreano, che si concatenavano, sono ora neurali:

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

Sono state inoltre apportate le seguenti altre modifiche:

• La voce araba è ora denominata ar-MS_OmarVoice. Il nome precedente, ar-AR_OmarVoice, è obsoleto. Continuerà a funzionare per almeno un anno, ma potrebbe essere rimosso in una data futura. Si consiglia di migrare al nuovo nome appena possibile.
• La lingua araba ora supporta l'uso di simboli IPA e valori Unicode con l'elemento <phoneme> SSML. Per creare un modello personalizzato per l'arabo, devi utilizzare l'ID lingua ar-MS. L'identificativo ar-AR non è supportato per la personalizzazione.
• I simboli IPA per la lingua araba sono nuovi. I simboli precedentemente documentati sono stati sostituiti.
• I simboli IPA per la lingua olandese sono stati modificati come segue:
  • Olandese non supporta più i seguenti simboli IPA: tʲ (0074+02B2), ɲ (0272), ʦ (02A6) e ʔ (0294).
  • Olandese Paesi Bassi ora supporta il seguente simbolo IPA: ɣ (0263).

Le seguenti voci di concatenazione standard sono ora deprecate:

• 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

Tutte le voci standard che sono state rese obsolete hanno controparti neurali equivalenti, quindi nessuna voce viene portata via. Piuttosto, puoi passare alla versione neurale equivalente della voce (ad esempio, da de-DE_BirgitVoice a de-DE_BirgitV3Voice) per ottenere risultati di sintesi vocale migliori.

Queste voci obsolete vengono rimosse dalla documentazione pubblicata. Essi continueranno a funzionare per almeno un anno, ma potrebbero essere rimossi in una data futura. Si consiglia di migrare alle voci neurali equivalenti appena possibile.

Se si omette il parametro facoltativo voice da una richiesta di sintesi vocale, il servizio utilizza per impostazione predefinita en-US_MichaelV3Voice . Questa voce neurale sostituisce la voce standard en-US_MichaelVoice ora obsoleta che era il valore predefinito precedente.

Le seguenti funzioni erano disponibili solo per le voci concatenate standard. Sono obsoleti e sono stati rimossi dalla documentazione pubblicata. Essi continueranno a funzionare per almeno un anno, ma potrebbero essere rimossi in una data futura. Si consiglia di rimuovere queste funzionalità dalle applicazioni e di migrare alle voci neurali al più presto.

• SSML espressivo. Questa era una estensione IBM per SSML supportata solo per la voce en-US_AllisonVoice.
• Trasformazione della voce SSML. Questa era un'estensione IBM a SSML supportata solo per le voci en-US_AllisonVoice, en-US_LisaVoice e en-US_MichaelVoice.
• L'attributo volume dell'elemento . Questo attributo era disponibile per tutte le voci standard.

L'inclusione di questi elementi SSML in una richiesta di sintesi per una voce neurale genera un codice di risposta HTTP 400 perché la richiesta non supera la convalida SSML. Per ulteriori informazioni sulla convalida SSML, vedi Convalida SSML.

Il supporto Cross-Origin Resource Sharing ( CORS ) è ora disponibile per tutte le voci dei browser Google Chrome™ e Apple® Safari. Non è disponibile dal browser Mozilla Firefox™ per le voci nelle seguenti lingue: Arabo, inglese australiano, cinese, olandese e coreano. Per ulteriori informazioni, vedere Utilizzo del supporto CORS.

Correzione difetto: per la voce ja-JP_EmiV3Voice, ora il servizio analizza correttamente il testo di input SSML che include una specifica di prosody rate. In precedenza, il seguente utilizzo dell'elemento funzionava correttamente:

<speak>成功する/繁栄する</speak>

Tuttavia, l'uso successivo dell'attributo rate con l'elemento ha fatto sì che il servizio leggesse e riproducesse la notazione SSML incorporata:

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

Il servizio ora analizza e applica correttamente l'attributo rate dell'elemento per l'immissione di testo in giapponese.

Il servizio offre ora due nuove voci sintetizzate:

• Inglese britannico: en-GB_CharlotteV3Voice
• Francese: fr-FR_NicolasV3Voice

Offre inoltre una versione migliorata della voce neurale britannica già esistente, en-GB_KateV3Voice. Per ulteriori informazioni su tutte le voci disponibili, vedi Lingue e voci.

Il servizio ora supporta l'attributo « digits » dell'elemento « <say-as> » in SSML con la voce in giapponese. Per ulteriori informazioni, vedi L'elemento say-as.

Il servizio ora supporta due voci femminili in coreano standard: ko-KR_YoungmiVoice e ko-KR_YunaVoice. Le seguenti informazioni si applicano a entrambe le voci in coreano.

• Le voci sono funzioni beta. Potrebbero non essere pronte per l'uso in produzione e sono soggette a modifiche. Sono delle offerte iniziali che dovrebbero migliorare in termini di qualità con il tempo e l'utilizzo.
• Le voci supportano la personalizzazione e il metodo " /v1/pronunciation ".
• I comandi vocali supportano l'elemento e il parametro timings , disponibili nell'interfaccia WebSocket.
• Le voci supportano tutti gli elementi SSML (Speech Synthesis Markup Language) ad eccezione dell'SSML di espressività e dell'SSML per la trasformazione della voce.
• Le voci supportano solo l'Alfabeto Fonetico Internazionale (IPA), non la Rappresentazione Fonetica Simbolic IBM a (SPR), con l'elemento .

Le voci in arabo, cinese e olandese (versione beta) ora supportano le seguenti funzionalità:

• Personalizzazione e metodo /v1/pronunciation.
• L'elemento e il parametro timings , disponibili nell'interfaccia WebSocket.

Vedi le seguenti sezioni per ulteriori informazioni:

• Per ulteriori informazioni su tutte le voci disponibili, vedi Lingue e voci.
• Per ulteriori informazioni sull'utilizzo dell'interfaccia WebSocket per ottenere i tempi delle parole, vedi Generazione dei tempi delle parole.
• Per ulteriori informazioni sulla personalizzazione, vedi Informazioni sulla personalizzazione.
• Per ulteriori informazioni sull'uso dell'IPA e dell'SPR con personalizzazione, consultare la sezione " Introduzione ai simboli fonetici ". (I simboli IPA per l'arabo, il cinese, l'olandese e il coreano non sono ancora stati documentati.) (Questa documentazione sarà presto disponibile.)

Il servizio ora supporta cinque nuove voci neurali:

• en-US_EmilyV3Voice, en-US_HenryV3Voice, en-US_KevinV3Voice e en-US_OliviaV3Voice
• Tedesco: de-DE_ErikaV3Voice

Le nuove voci non supportano i seguenti elementi SSML:

• SSML espressivo con l'elemento
• Trasformazione della voce con l'elemento
• L'attributo volume dell'elemento

Per ulteriori informazioni in merito e su tutte le voci disponibili, vedi Lingue e voci.

Il servizio ora supporta l'utilizzo di eventi Activity Tracker per tutte le operazioni di personalizzazione. IBM Cloud Activity Tracker registra le attività avviate dall'utente che modificano lo stato di un servizio in IBM Cloud. Puoi utilizzare questo servizio per indagare su attività anomale e azioni critiche e per rispettare i requisiti di controllo normativi. Inoltre, puoi essere avvertito in merito alle azioni non appena si verificano. Per ulteriori informazioni, vedi Eventi Activity Tracker.

Il servizio ora supporta sei nuove voci standard in tre nuove lingue:

• Arabo ar-AR_OmarVoice
• Cinese (mandarino): zh-CN_LiNaVoice, zh-CN_WangWeiVoice e zh-CN_ZhangJingVoice
• Paesi Bassi (olandese): nl-NL_EmmaVoice e nl-NL_LiamVoice

Le seguenti informazioni si applicano a queste nuove voci standard:

• Le nuove voci sono funzioni beta. Le voci potrebbero non essere pronte per l'uso in produzione e sono soggette a modifiche. Sono delle offerte iniziali che dovrebbero migliorare in termini di qualità con il tempo e l'utilizzo.
• I dispositivi non supportano l'elemento e il parametro timings , disponibili nell'interfaccia WebSocket.
• Le voci non supportano la personalizzazione né il metodo /v1/pronunciation .
• Le voci non supportano l'SSML di espressività o l'SSML per la trasformazione della voce.
• Le voci non supportano tutti gli altri elementi SSML. Tuttavia, supportano solo l'Alfabeto Fonetico Internazionale (IPA), non la Rappresentazione Fonetica Simbolic IBM a (SPR), con l'elemento .

Per ulteriori informazioni in merito e su tutte le voci disponibili, vedi Lingue e voci.

Il servizio Text to Speech ora supporta l'implementazione completa di IBM Cloud Identity and Access Management (IAM). Le chiavi API per i servizi di Watson non sono più limitate a una singola istanza del servizio. Puoi creare politiche di accesso e chiavi API che vengono applicate a più di un servizio e puoi concedere l'accesso tra i servizi. Per ulteriori informazioni su IAM, vedi Autenticazione ai servizi Watson.

Per supportare questa modifica, gli endpoint del servizio API utilizzano un dominio diverso e includono l'ID istanza del servizio. Il modello è api.{location}.text-to-speech.watson.cloud.ibm.com/instances/{instance_id}.

• URL HTTP di esempio per un'istanza ospitata nell'ubicazione Dallas:

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

• URL WebSocket di esempio per un'istanza ospitata nell'ubicazione Dallas:

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

Per ulteriori informazioni sugli URL, consultare la sezione Riferimento API e SDK.

Questi URL non costituiscono una modifica importante. I nuovi URL funzionano sulle tue istanze del servizio esistenti o nuove. Gli URL originali continuano a funzionare sulle tue istanze del servizio esistenti per almeno un anno, fino a dicembre 2020.

Ora è disponibile il supporto per le seguenti nuove funzionalità di sicurezza della rete e dei dati:

• Supporto per gli endpoint di rete privati

  Gli utenti dei piani Premium possono creare endpoint di rete privati per connettersi al servizio Text to Speech tramite una rete privata. Le connessioni agli endpoint di rete privata non richiedono l'accesso alla rete internet pubblica. Per ulteriori informazioni, vedi Endpoint di rete pubblici e privati.

Il servizio offre ora due versioni della maggior parte delle sue voci disponibili:

• Voci standard che utilizzano la sintesi concatenata per assemblare segmenti di parlato registrato al fine di generare l'audio. Le voci standard non includono una stringa di versione nel loro nome (ad esempio en-US_AllisonVoice).
• Voci neurali che utilizzano reti neurali profonde (DNN) per prevedere le caratteristiche acustiche (spettrali) del parlato. Le voci neurali includono una stringa di versione (V3) nel loro nome (ad esempio en-US_AllisonV3Voice).

Sono disponibili versioni neurali per tutte le voci standard, ad eccezione della voce " ja-JP_EmiVoice ", che è in fase di sviluppo e sarà disponibile a breve. Non è possibile utilizzare gli elementi SSML <express-as> e <voice-transformation> con le voci neurali, né è possibile utilizzare l'attributo volume dell'elemento <prosody> con le voci neurali. Per ulteriori informazioni su tutte le voci disponibili, vedi Lingue e voci.

Il servizio non include più le voci di DNN V2 che erano precedentemente disponibili. Se utilizzi una voce V2 nella tua applicazione, il servizio utilizza invece, in modo automatico, la voce V3 equivalente.

Il servizio ora offre versioni DNN (Deep Neural Network) V2 delle sue voci in tedesco:

• de-DE_BirgitV2Voice
• de-DE_DieterV2Voice

Per ulteriori informazioni sulle voci basate su DNN, vedi Lingue e voci.

Tutte le voci del servizio basate su DNN ora supportano gli attributi " pitch " e " rate " dell'elemento " <prosody> " in SSML. Le voci basate su DNN non supportano l'attributo volume dell'elemento . Per ulteriori informazioni, vedi L'elemento prosody.

Gli utenti possono ora visualizzare solo le informazioni sulle credenziali del servizio associate al ruolo che è stato assegnato al loro account IBM Cloud. Ad esempio, se ti viene assegnato un ruolo reader, qualsiasi livello writer o superiore delle credenziali del servizio non sarà più visibile.

Questa modifica non influisce sull'accesso API per gli utenti o le applicazioni con credenziali del servizio esistenti. La modifica influisce solo sulla visualizzazione delle credenziali all'interno di IBM Cloud.

Il servizio ora offre quattro nuove voci V2 che utilizzano la sintesi di apprendimento approfondito per generare l'audio:

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

Queste nuove voci utilizzano il machine learning e una DNN per sintetizzare il testo in voce. La sintesi di apprendimento approfondito o basata su DNN (Deep Neural Network) produce un audio con una prosodia più naturale e una qualità complessiva più coerente.

Tuttavia le nuove voci producono anche un audio con qualità di segnale diverse dalle voci esistenti, quindi potrebbero non essere appropriate per tutte le applicazioni. Inoltre, le nuove voci non supportano gli elementi SSML <prosody>, <express-as> e <voice-transformation>.

Per ulteriori informazioni su queste voci basate su DNN e su come differiscono dalle voci esistenti, vedi Lingue e voci.

Ora l'interfaccia WebSocket supporta l'autenticazione IAM (Identity and Access Management) basata sul token dal codice JavaScript basato sul browser. La limitazione al contrario è stata rimossa. Per stabilire una connessione autenticata con il metodo WebSocket /v1/synthesize:

• Se utilizzi l'autenticazione IAM, includi il parametro di query access_token.
• Se utilizzi le credenziali del servizio Cloud Foundry, includi il parametro di query watson-token.

Per ulteriori informazioni, vedi Apri una connessione.

Il servizio Text to Speech è stato migrato all'autenticazione IAM (Identity and Access Management) basata sul token per tutte le ubicazioni. Tutti i servizi IBM Cloud utilizzano ora l'autenticazione IAM. Il servizio Text to Speech ha eseguito la migrazione in ciascuna ubicazione nelle seguenti date:

• Dallas (us-south): 30 ottobre 2018
• Francoforte (eu-de): 30 ottobre 2018
• Washington, DC (us-east): 12 giugno 2018
• Sydney (au-syd): 15 maggio 2018

La migrazione all'autenticazione IAM riguarda sia le nuove istanze che quelle esistenti indifferentemente:

• Tutte le nuove istanze del servizio che crei in ogni ubicazione utilizzano ora l'autenticazione IAM per accedere al servizio. Puoi passare un token di connessione o una chiave API: i token supportano le richieste autenticate senza credenziali del servizio incorporate in ogni chiamata; le chiavi API utilizzano l'autenticazione di base HTTP. Quando utilizzi uno degli SDK Watson, puoi passare la chiave API e lasciare che l'SDK gestisca il ciclo di vita dei token.
• Le istanze del servizio esistenti che hai creato in un'ubicazione prima della data di migrazione indicata continuano ad utilizzare {username} e {password} dalle loro precedenti credenziali del servizio Cloud Foundry per l'autenticazione finché non le migri in modo che utilizzino l'autenticazione IAM.

Per ulteriori informazioni, consulta la seguente documentazione:

• Per scoprire quale meccanismo di autenticazione utilizza la tua istanza del servizio, visualizza le credenziali del servizio cliccando sull'istanza nella dashboard di IBM Cloud.
• Per ulteriori informazioni sull'utilizzo dei token IAM con i servizi Watson, consultare la sezione " Autenticazione ai servizi Watson ".
• Per esempi che utilizzano l'autenticazione IAM, consultare la guida di riferimento API e SDK.

Le seguenti funzioni sono abilitate per le applicazioni ospitate in Washington, DC (us-east):

• Ora il servizio supporta un nuovo processo di autenticazione API. Per ulteriori informazioni, vedi l'aggiornamento del servizio del 30 ottobre 2018.
• Ora il servizio supporta l'intestazione X-Watson-Metadata e il metodo DELETE /v1/user_data. Per ulteriori informazioni, vedi Sicurezza delle informazioni.

Le seguenti funzioni sono abilitate per le applicazioni ospitate in Sydney (au-syd):

• Ora il servizio supporta un nuovo processo di autenticazione API. Per ulteriori informazioni, vedi l'aggiornamento del servizio del 30 ottobre 2018.
• Ora il servizio supporta l'intestazione X-Watson-Metadata e il metodo DELETE /v1/user_data. Per ulteriori informazioni, vedi Sicurezza delle informazioni.

• Il metodo POST /v1/customizations ora restituisce 201 (invece di 200).
• Il metodo POST /v1/customizations/{customization_id} ora restituisce 200 (invece di 201).
• Il metodo POST /v1/customizations/{customization_id}/words ora restituisce 200 (invece di 201).
• Il metodo PUT /v1/customizations/{customization_id}/words/{word} ora restituisce 200 (invece di 201).

Il servizio include una nuova voce, es-LA_SofiaVoice, che è l'equivalente latino americano della voce es-US_SofiaVoice. La differenza più significativa tra le due versioni riguarda il modo in cui interpretano il simbolo del dollaro ( $ ): la versione latinoamericana utilizza il termine «pesos», mentre quella nordamericana utilizza il termine «dolar ». Tra le due voci potrebbero esistere anche altre piccole differenze.

In aggiunta a en-US_AllisonVoice, ora altre due voci sono trasformabili con la trasformazione della voce SSML: en-US_LisaVoice e en-US_MichaelVoice.

Quando si utilizza l'interfaccia di personalizzazione in giapponese, il servizio ora individua la parola più lunga tra le coppie parola/traduzione definite per un modello personalizzato. Ad esempio, si considerino le due voci seguenti relative a un modello personalizzato:

{
  "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"}
  ]
}

Se il servizio individua la stringa « ＮＹＣ » nel testo di input, la considera una corrispondenza perché è più lunga rispetto a « ＮＹ ». In precedenza, il servizio avrebbe individuato la stringa ＮＹ. Per ulteriori informazioni sull'utilizzo delle voci in giapponese in un modello personalizzato, consultare la sezione " Utilizzo delle voci in giapponese ".

Ora il servizio offre un'interfaccia WebSocket per sintetizzare il testo in voce. L'interfaccia offre le stesse funzioni del metodo /v1/synthesize dell'interfaccia HTTP. Accetta il testo semplice o il testo contrassegnato con SSML. Inoltre, supporta anche l'uso dell'elemento SSML per identificare il punto del brano audio in cui termina la sintesi di tutto il testo che precede il segno. Per ulteriori informazioni, vedi L'interfaccia WebSocket.

Ora il servizio offre il supporto per il testo annotato con SSML per le lingue spagnolo castigliano e spagnolo nord americano, italiano e portoghese brasiliano. Il servizio supportava già l'uso di SSML per inglese (Stati Uniti) e britannico, francese e tedesco. A partire da questo aggiornamento, il servizio supporta SSML per tutte le lingue ad eccezione del giapponese. Inoltre, è possibile utilizzare sia la notazione SPR che quella IPA ( IBM ) per definire la pronuncia delle parole con l'elemento SSML . Per ulteriori informazioni, vedi Understanding SSML e Understanding phonetic symbol.

Per l'inglese americano, è anche possibile utilizzare l'elemento SSML per creare voci di parole in un modello personalizzato; la personalizzazione è supportata solo per l'inglese americano. Per ulteriori informazioni, vedi Informazioni sulla personalizzazione.

Il servizio offre una migliore espressività e naturalezza per le voci utilizzate più di frequente. I miglioramenti si basano sulla predizione della prosodia basata su RNN (Recursive Neural Network) derivante dal testo di input. Sono resi disponibili come nuovi aggiornamenti al motore di servizio e al modello vocale per le seguenti lingue:

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

Ora il metodo GET /v1/pronunciation accetta un parametro di query customization_id facoltativo. Il parametro ottiene una traduzione di una parola da un modello personalizzato specificato. Se il modello personalizzato non contiene la parola, il metodo restituisce la pronuncia predefinita della parola. Per ulteriori informazioni, consultare la sezione Riferimento API e SDK.

Quando utilizzi il metodo GET /v1/pronunciation senza un ID di personalizzazione e per una lingua diversa dall'inglese (Stati Uniti), puoi richiedere la pronuncia di una parola solo nella notazione IBM SPR. Per le lingue diverse dall'inglese (Stati Uniti), devi specificare spr con l'opzione format del metodo.

Ora l'elenco dei formati audio supportati include audio/basic, che fornisce un audio a canale singolo che viene codificato utilizzando dati u-law (o mu-law) a 8 bit campionati a 8 kHz. Per ulteriori informazioni, vedi Utilizzo dei formati audio.

I metodi /v1/synthesize HTTP e WebSocket possono restituire una risposta warnings che include messaggi relativi a parametri di query o campi JSON non validi che vengono inclusi in una richiesta. Il formato delle avvertenze è stato modificato. Il seguente esempio mostra il formato precedente:

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

Ora la stessa avvertenza ha il seguente formato:

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

Il servizio offre una nuova interfaccia di personalizzazione che puoi utilizzare per specificare la pronuncia di parole insolite nel tuo input. L'interfaccia include alcuni nuovi metodi che è possibile utilizzare per creare e gestire modelli personalizzati e le coppie parola/traduzione in essi contenute. Puoi quindi utilizzare i tuoi modelli personalizzati per sintetizzare il testo in audio.

Il servizio supporta le traduzioni di suoni simili e le traduzioni fonetiche. Le traduzioni fonetiche possono utilizzare la rappresentazione IPA o IBM SPR proprietaria. Utilizzi SSML per specificare le traduzioni fonetiche.

L'interfaccia di personalizzazione include una raccolta di nuovi metodi HTTP denominati POST /v1/customizations, POST /v1/customizations/{customization_id}, POST /v1/customizations/{customization_id}/words e PUT /v1/customizations/{customization_id}/words/{word}. Il servizio fornisce anche un nuovo metodo GET /v1/pronunciation che restituisce la pronuncia di qualsiasi parola e un nuovo metodo GET /v1/voices/{voice} che restituisce le informazioni dettagliate su una specifica voce. Inoltre, i metodi esistenti dell'interfaccia del servizio ora accettano parametri di modello personalizzati, se necessario.

Per ulteriori informazioni sulla personalizzazione e sulla sua interfaccia, vedere Comprendere la personalizzazione e il riferimento all'API e all'SDK.

L'interfaccia di personalizzazione è una release beta che al momento supporta solo l'inglese (Stati Uniti). Attualmente, tutti i metodi di personalizzazione e il metodo GET /v1/pronunciation possono essere utilizzati per creare e modificare modelli personalizzati e traduzioni di parole solo in inglese americano.

Il servizio supporta una nuova voce, pt-BR_IsabelaVoice, per sintetizzare l'audio in portoghese brasiliano con una voce femminile. Per ulteriori informazioni, vedi Lingue e voci.

Sono disponibili due nuovi SDK (Software Development Kit) mobili versione beta per i servizi vocali. Gli SDK consentono alle applicazioni mobili di interagire con i servizi Text to Speech e Speech to Text. Puoi utilizzare gli SDK per inviare testo al servizio Text to Speech e ricevere una risposta audio.

• L'SDK di Watson Swift è disponibile nel repository swift-sdk, nello spazio dei nomi watson-developer-cloud su GitHub.
• L' Watson Speech Android™ SDK è disponibile nel repository speech-android-sdk nello spazio dei nomi watson-developer-cloud su GitHub.

Entrambi gli SDK supportano l'autenticazione con i servizi vocali utilizzando le credenziali del servizio IBM Cloud o un token di autenticazione. Poiché gli SDK sono in fase beta, sono soggetti a modifiche future.

Il servizio supporta una nuova lingua, il giapponese. La voce ja-JP_EmiVoice è una voce femminile in giapponese.

Il servizio è passato dalla fase beta alla disponibilità generale (GA) il 1° luglio 2015. Di seguito sono riportate le differenze esistenti tra la versione beta e quella definitiva dell'API Text to Speech. La release GA richiede che gli utenti eseguano l'upgrade alla nuova versione del servizio.

Un nuovo modello di programmazione supporta l'interazione diretta tra un client e il servizio. Utilizzando questo modello, un client può ottenere un token di autenticazione per comunicare direttamente con il servizio. Utilizzando il token, il client può eludere la necessità di un'applicazione proxy lato server in IBM Cloud che richiami il servizio per suo conto. I token sono i mezzi preferiti per i client per interagire con il servizio.

Il servizio continua a supportare il vecchio modello di programmazione basato su un proxy lato server per trasmettere le comunicazioni e i dati tra il client e il servizio. Tuttavia, il nuovo modello è più efficiente e offre una velocità effettiva più elevata.

Ora puoi passare SSML (Speech Synthesis Markup Language) alle versioni GET e POST HTTP del metodo /v1/synthesize. SSML è un linguaggio di markup basato su XML progettato per fornire annotazioni di testo per le applicazioni di sintesi vocale come il servizio Text to Speech. Per ulteriori informazioni sul passaggio dell'input SSML al servizio, vedi Specifica del testo di input.

Il servizio supporta inizialmente l'utilizzo di SSML solo per le lingue inglese (Regno Unito) e inglese (Stati Uniti), francese e tedesco. Il servizio non supporta SSML con l'italiano e lo spagnolo. Quando utilizzi SSML, assicurati di non selezionare una delle lingue non supportate per una voce per l'audio. I risultati in questo caso non sono significativi.

Le voci supportate per la sintesi vocale modificata e ampliata. Il servizio ora supporta diverse altre voci, lingue e dialetti tramite i metodi /v1/synthesize. Per ulteriori informazioni sulle voci supportate, vedi Lingue e voci.

Tre voci che erano disponibili nella versione beta sono state ridenominate per la GA:

• VoiceEnUsMichael ora è en-US_MichaelVoice
• VoiceEnUsLisa ora è en-US_LisaVoice
• VoiceEsEsEnrique ora è es-ES_EnriqueVoice

I nomi precedenti delle voci continuano a funzionare con la versione beta del servizio (tramite gli endpoint API -beta) mentre tale versione rimane disponibile. Tuttavia, devi utilizzare i nuovi nomi con la versione GA del servizio.

Ora puoi richiedere al servizio di restituire l'audio nel formato FLAC (Free Lossless Audio Codec). Il servizio può ancora restituire l'audio nel formato Ogg con il codec Opus (l'impostazione predefinita) e nel formato WAV (Waveform Audio File Format). Per ulteriori informazioni sull'utilizzo dei formati audio con i metodi dell' /v1/synthesize, consultare la sezione " Utilizzo dei formati audio ".

Il testo che invii al metodo /v1/synthesize nell'URL di una richiesta GET HTTP o nel corpo di una richiesta POST HTTP è ora limitato a un massimo di 5 KB. Il testo aveva una dimensione massima di 4 MB per la versione beta.

Ora i metodi /v1/synthesize includono l'intestazione X-WDC-PL-OPT-OUT per controllare se il servizio utilizza il testo e i risultati audio provenienti da un'operazione per migliorare i risultati futuri. Specifica un valore 1 affinché l'intestazione impedisca al servizio di utilizzare il testo e i risultati audio. Il parametro si applica solo alla richiesta corrente. La nuova intestazione sostituisce l'intestazione X-logging proveniente dai metodi beta. Per ulteriori informazioni, vedi Controllo della registrazione delle richieste per i servizi Watson.

Per i metodi /v1/synthesize, sono cambiati i seguenti codici di errore:

• Il codice di errore 406 ("Not acceptable. Tipo MIME non supportato. ") viene rimosso.
• Il codice di errore 415 ("Unsupported Media Type") è stato aggiunto.
• Il codice di errore 503 ("Service Unavailable") è stato aggiunto.

Per il metodo GET /v1/voices, sono cambiati i seguenti codici di errore:

• Il codice di errore 406 ("Not acceptable. Tipo MIME non supportato. ") viene rimosso.
• Il codice di errore 415 ("Unsupported Media Type") è stato aggiunto.