IBM Cloud Docs
Text to Speech 入门

Text to Speech 入门

IBM Watson® Text to Speech 服务用于将书面文本转换为自然发音的语音，从而为应用程序提供语音合成功能。 本教程以 curl 为基础，可帮助您快速入门。 以下示例说明了如何调用服务的 POST 和 GET /v1/synthesize 方法来请求音频流。

本教程使用 curl 命令行实用程序来演示 REST API 调用。 有关 curl 的更多信息，请参阅 将 curl 与 Watson 示例配合使用。

IBM Cloud 观看以下视频以获取 Text to Speech 服务入门的可视摘要。

准备工作

IBM Cloud

IBM Cloud

  • 创建服务的实例：

    1. 转至 IBM Cloud 目录中的 Text to Speech 页面。
    2. 注册免费的 IBM Cloud 帐户或登录。
    3. 阅读并同意许可协议的条款。
    4. 单击创建。

  • 复制凭证以向服务实例进行认证：

    1. 查看服务实例的 管理 页面:

      • 如果您位于服务实例的“入门”页面上，请单击主题列表中的 管理 条目。
      • 如果您位于“资源列表”页面上，请在 名称 列中展开 AI/ Machine Learning 分组，然后单击服务实例的名称。

    2. 在“管理”页面上，单击 凭证 框中的 显示凭证。

    3. 复制服务实例的 API Key 和 URL 值。

本教程使用 API 密钥进行认证。 在生产中，使用 IAM 令牌。 有关更多信息，请参阅 认证到 IBM Cloud。

IBM Cloud Pak for Data

IBM Cloud Pak for Data

在开始本教程之前，必须安装并配置 Text to Speech 服务。 如需了解更多信息，请发送电子邮件 至 Watson，Cloud Pak for Data 提供演讲服务。

  1. 使用 Web 客户机，API 或命令行界面创建服务实例。 如需了解有关在 IBM Cloud Pak for Data 上创建服务实例的更多信息，请参阅 为 Watson 语音服务创建服务实例。
  2. 遵循 创建 Watson Speech 服务实例 中的指示信息以获取该实例的不记名令牌。 本教程使用不记名令牌向服务进行认证。

合成美国英语文本

以下命令使用 POST /v1/synthesize 方法将美国英语输入合成为音频。 请求使用语音 en-US_MichaelV3Voice。 它以 WAV 格式生成音频。

可以使用浏览器或其他工具来播放本教程中示例所生成的音频文件。 有关更多信息，请参阅 播放音频文件。

  1. 发出以下命令以合成字符串 "hello world"。 请求生成名为 hello_world.wav 的 WAV 文件。

    IBM Cloud

    • 将 {apikey} 和 {url} 替换为您的 API 密钥和 URL。
    curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--data "{\"text\":\"hello world\"}" \
--output hello_world.wav \
"{url}/v1/synthesize?voice=en-US_MichaelV3Voice"

    IBM Cloud Pak for Data IBM Software Hub

    • 将 {token} 和 {url} 替换为访问令牌，将 URL 替换为您的服务实例。
    curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--data "{\"text\":\"hello world\"}" \
--output hello_world.wav \
"{url}/v1/synthesize?voice=en-US_MichaelV3Voice"

使用不同的语音和音频格式

以下命令再次使用 POST /v1/synthesize 方法将相同的美国英语输入合成为音频。 但是，此请求使用语音 en-US_AllisonV3Voice 并以缺省 Ogg 格式显式请求音频。

  1. 发出以下命令以合成字符串 "hello world"，但声音不同。 请求生成名为 hello_world.ogg 的 Ogg 文件。

    IBM Cloud

    • 将 {apikey} 和 {url} 替换为您的 API 密钥和 URL。
    curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--data "{\"text\":\"hello world\"}" \
--output hello_world.ogg \
"{url}/v1/synthesize?voice=en-US_AllisonV3Voice"

    IBM Cloud Pak for Data IBM Software Hub

    • 将 {token} 和 {url} 替换为访问令牌，将 URL 替换为您的服务实例。
    curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--data "{\"text\":\"hello world\"}" \
--output hello_world.wav \
"{url}/v1/synthesize?voice=en-US_AllisonV3Voice"

合成西班牙语文本

以下命令使用 GET /v1/synthesize 方法将西班牙语输入合成为音频文件。 GET 方法包含三个查询参数: accept 用于指定音频格式，text 用于指定音频的输入文本，voice 用于指定西班牙语语音。 由于 accept 和 text 作为查询参数传递，请求被 URL 编码。

  1. 发出以下命令来合成字符串“hola mundo”，并生成名为 hola_mundo.wav 的 WAV 文件。

    IBM Cloud

    • 将 {apikey} 和 {url} 替换为您的 API 密钥和 URL。
    curl -X GET -u "apikey:{apikey}" \
--output hola_mundo.wav \
"{url}/v1/synthesize?accept=audio%2Fwav&text=hola%20mundo&voice=es-ES_EnriqueV3Voice"

    IBM Cloud Pak for Data IBM Software Hub

    • 将 {token} 和 {url} 替换为访问令牌，将 URL 替换为您的服务实例。
    curl -X POST \
--header "Authorization: Bearer {token}" \
--output hola_mundo.wav \
"{url}/v1/synthesize?accept=audio%2Fwav&text=hola%20mundo&voice=es-ES_EnriqueV3Voice"

后续步骤

  • 要尝试一个接受文本并生成不同声音的语音的示例应用程序，请查看 Text to Speech 演示。
  • 有关服务的接口和功能的更多信息，请参阅服务功能。
  • 如需了解服务界面的所有方法，请参阅 API和SDK参考。