创建自定义模型

您可以在自定义模型中添加自定义提示。 您可以为提示创建新的自定义模型，也可以将提示添加到现有的自定义模型中。 同一自定义模型可以包含多个提示，模型的提示可以与多个说话人模型相关联。 同一自定义模型也可以包含自定义单词。 要创建新的自定义模型，请使用 POST /v1/customizations 方法。 有关更多信息，请参阅创建定制模型。

以下示例创建了一个名为 Prompt test 的新定制模型。 由于自定义提示和扬声器型号仅支持美式英语，因此该型号的 language 为 en-US。 请求的 Content-Type 标头必须为 application/json。

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--data "{\"name\":\"Prompt test\", \"language\":\"en-US\", \"description\":\"Custom model to test prompts\"}" \
"{url}/v1/customizations"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--data "{\"name\":\"Prompt test\", \"language\":\"en-US\", \"description\":\"Custom model to test prompts\"}" \
"{url}/v1/customizations"

该方法返回一个全局唯一标识符（GUID），作为新定制车型的定制ID。 您可以在后续的服务请求中使用此GUID来识别定制车型。

{
  "customization_id": "82f4809a-bf63-89a6-52ca-22731fe467ba"
}

创建音箱模型

要为提示音创建一个扬声器模型，请使用 POST /v1/speakers 方法。 您可以通过 speaker_name 查询参数和注册音频作为请求正文，为发言者输入一个独特的名字。 音频文件必须为WAV格式，采样率不得低于16 kHz。 有关发言者姓名和音频的规则和指南，请参阅 创建发言者模型的规则。

注册音频与任何提示音不同。 通过语音录入，该服务可以提取说话者的声音信息。 然后，它将知识应用于与该发言者相关的提示。 创建扬声器模型是可选的。 您可以创建与发言者无关的提示。 然而，语音模型可以显著提升提示音的质量，因此强烈建议对所有提示音使用语音模型。

以下示例创建了一个名为 speaker_one 的扬声器模型。 请求在请求正文中传递一个16位 kHz WAV文件作为注册音频。 请求的 Content-Type 标头必须为 audio/wav。

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: audio/wav" \
--data-binary "@speaker-one-audio.wav" \
"{url}/v1/speakers?speaker_name=speaker_one"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: audio/wav" \
--data-binary "@speaker-one-audio.wav" \
"{url}/v1/speakers?speaker_name=speaker_one"

该方法返回一个GUID作为新扬声器型号的扬声器ID。 您可以在后续的服务请求中使用此 GUID 来识别扬声器型号。

{
  "speaker_id": "56367f89-546d-4b37-891e-4eb0c13cc833"
}

发言报名是同步操作。 虽然它比自定义提示接受更多的音频数据，但添加扬声器模型的过程非常快。 该服务只需从音频中提取说话者的声音信息即可。 与提示不同，语音识别模型既不需要也不接受音频转录，因此该服务无需对齐文本和音频。 当呼叫返回201响应代码表示成功时，音频已完全处理，扬声器注册完成。

添加自定义提示

若要为自定义模型添加提示，请使用 POST /v1/customizations/{customization_id}/prompts/{prompt_id} 方法。 您将一个唯一的标识符作为路径参数传递给提示。 然后，您可以使用该ID指定语音合成中的提示以及向服务提出的其他请求。

您可以通过名为 metadata 的多部分表单参数，将提示文本和可选的发言者ID作为JSON对象，通过 prompt_text 和 speaker_id 字段传递。 您将提示音的音频与名为 file 的多部分表单参数一起传递。 音频文件必须为WAV格式，采样率不得低于16 kHz。 有关即时ID、文本和音频的规则和指南的更多信息，请参阅 创建自定义提示的规则。

提示的文字和音频必须完全一致，这一点非常重要。 差异会降低合成提示的质量，甚至导致请求失败。

以下示例创建了一个名为 goodbye 的自定义提示，其中包含一条简单的告别信息。 请求中指定了名为 speaker_one 的发言者的发言者ID，以及第一步中创建的自定义模型的自定义ID。 请求的 Content-Type 标头必须为 multipart/form-data。

IBM Cloud

curl -X POST -u apikey:{apikey} \
--header "Content-Type:multipart/form-data" \
--form metadata="{\"prompt_text\": \"Thank you and good-bye!\", \
   \"speaker_id\": \"56367f89-546d-4b37-891e-4eb0c13cc833\"}" \
--form file=@goodbye-prompt.wav \
"{url}/v1/customizations/82f4809a-bf63-89a6-52ca-22731fe467ba/prompts/goodbye"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type:multipart/form-data" \
--form metadata="{\"prompt_text\": \"Thank you and good-bye!\", \
   \"speaker_id\": \"56367f89-546d-4b37-891e-4eb0c13cc833\"}" \
--form file=@goodbye-prompt.wav \
"{url}/v1/customizations/82f4809a-bf63-89a6-52ca-22731fe467ba/prompts/goodbye"

该服务返回以下响应，其中包含有关提示的信息，包括其初始状态：

{
   "prompt": "Thank you and good-bye!",
   "prompt_id": "goodbye",
   "status": "processing",
   "speaker_id": "823068b2-ed4e-11ea-b6e0-7b6456aa95cc"
}

添加提示是一个异步操作。 有关检查新提示状态的更多信息，请参阅 监控添加提示请求。

curl -X GET -u "apikey:{apikey}" \
"{url}/v1/customizations/82f4809a-bf63-89a6-52ca-22731fe467ba/prompts/goodbye"

curl -X GET \
--header "Authorization: Bearer {token}" \
"{url}/v1/customizations/82f4809a-bf63-89a6-52ca-22731fe467ba/prompts/goodbye"

{
   "prompt": "Thank you and good-bye!",
   "prompt_id": "goodbye",
   "status": "available",
   "speaker_id": "823068b2-ed4e-11ea-b6e0-7b6456aa95cc"
}

评估自定义提示

当您创建提示时，提示文本必须与语音内容合理匹配。 该服务会尽力使指定的文本与音频保持一致，并经常弥补两者之间的不匹配。 如果文本和音频之间的差异过于明显，则该服务无法创建提示。 提示信息越长，文本和音频之间出现偏差的可能性就越大。 因此，多个较短的提示比一个较长的提示更可取。

服务有时可能无法检测到不匹配的情况，或者无法生成完全满足您需求的提示。 因此，在生产中使用之前，您必须先听取并评估所有提示。 通过评估提示，您还可以发现服务可能发音不正确的异常单词。 而且，它能够确保服务人员的语音与您所期望的完全一致。

在生产中使用之前，一定要仔细聆听并评估提示，以确定其质量。 要评估提示，只需在语音合成请求中包含单个提示，并使用以下SSML扩展，在本例中，提示ID为 goodbye：

<ibm:prompt id="goodbye"/>

您使用相同的方法来评估自定义提示并在应用程序中使用它。 例如，以下请求使用 POST /v1/synthesize 方法来合成提示：

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--data "{\"text\":\"<ibm:prompt id='goodbye'/>\"}" \
"{url}/v1/synthesize?customization_id=82f4809a-bf63-89a6-52ca-22731fe467ba&voice=en-US_AllisonV3Voice"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--header "Accept: audio/wav" \
--data "{\"text\":\"<ibm:prompt id='goodbye'/>\"}" \
"{url}/v1/synthesize?customization_id=82f4809a-bf63-89a6-52ca-22731fe467ba&voice=en-US_AllisonV3Voice"

有关语音合成提示的更多信息，请参阅 使用自定义提示进行语音合成。