Cerca de Text to Speech

O serviço IBM Watson® Text to Speech fornece APIs que usam as capacidades de síntese de discurso da IBM para converter texto escrito em discurso com sonoridade natural. O serviço flui o áudio sintetizado de volta para o cliente com atraso mínimo. O áudio usa a cadência e a entonação apropriadas para o idioma e o dialeto para fornecer vozes suaves e naturais.

O serviço pode ser usado em aplicativos como robôs de bate-papo com voz automatizada, bem como uma variedade de aplicativos orientados por voz e sem tela, como ferramentas para pessoas com deficiências ou deficientes visuais, narração de vídeo e dublagem, além de soluções educacionais e de automação residencial. É apropriado para qualquer aplicativo no qual o áudio é o método preferencial de saída.

Versões dos produtos

O Text to Speech pode ser implementado como um serviço em nuvem gerenciado ou pode ser instalado no local. Esta documentação descreve como utilizar ambas as versões do produto. Informações como tópicos, parágrafos e exemplos que se aplicam exclusivamente a uma versão são claramente denotadas:

IBM Cloud para instâncias gerenciadas de Text to Speech que estão hospedadas em IBM Cloud ou para instâncias que estão hospedadas emIBM Cloud Pak for Data as a Service. Para obter informações sobre todas as atualizações de serviço, consulte as notas de versão de Text to Speech para IBM Cloud.
IBM Cloud Pak for DataIBM Software Hub para instâncias instaladas ou no local do Text to Speech para IBM Cloud Pak for Data. Para obter mais informações sobre a instalação e o gerenciamento dos serviços do Watson Speech, consulte Visão geral da instalação. Para obter informações sobre todas as atualizações de serviço, consulte as notas de versão de Text to Speech para IBM Cloud Pak for Data e as notas de versão de Text to Speech para IBM Software Hub.

Síntese de discurso

O serviço Text to Speech suporta interfaces HTTP e WebSocket para síntese de discurso. Ambas as interfaces aceitam texto simples e texto que é marcado com o Speech Synthesis Markup Language (SSML) baseado em XML. A interface WebSocket também pode produzir informações de sincronização sobre as palavras do áudio. Para obter mais informações, consulte os seguintes recursos de serviço:

Customização

O serviço fornece uma interface de customização que pode ser usada para especificar como o serviço pronuncia palavras incomuns que ocorrem em seu texto de entrada. É possível definir modelos customizados para incluir dicionários de palavras para o léxico de seu aplicativo. Para obter mais informações, consulte Customizando o serviço nos recursos do serviço.

Suporte ao idioma

O serviço oferece vozes neurais para sintetizar texto a discurso em muitas línguas e dialetos:

Holandês (Países Baixos)
Inglês (dialetos da Austrália, do Reino Unido e dos Estados Unidos)
Francês (dialetos do Canadá e da França)
Alemão
Italiano
Japonês
Coreano
Português (Brasil)
Espanhol (Dialetos castelhano, latino-americano e norte-americano)

Para diferentes idiomas, o serviço oferece vozes femininas, vozes masculinas ou ambas. Para obter mais informações sobre os idiomas e vozes suportados, os tipos de vozes que o serviço fornece para cada idioma, e seu status para ambas as versões do serviço, consulte Idiomas e vozes.

Suporte de áudio

O serviço produz áudio em muitos formatos populares:

A-law
Áudio básico
Free Lossless Audio Codec (FLAC)
Pulse-Code Modulation (PCM) linear de 16 bits
MP3 (ou MPEG)
Mu-law (ou u-law)
Áudio Ogg ou Web Media (WebM) com o codec Opus ou Vorbis
Waveform Audio File Format (WAV)

Diferentes formatos suportam diferentes taxas de amostragem e outras características. Para obter mais informações, consulte Usando formatos de áudio.

Recursos beta

A IBM ocasionalmente libera recursos e suporte de idioma que são classificados como beta. Tais recursos são fornecidos para que você possa avaliar suas funcionalidades. Eles podem ser instáveis e estão sujeitos a alteração ou remoção com aviso com pouca antecedência. Eles não são destinados para uso em um ambiente de produção.

Os recursos beta podem não fornecer o mesmo nível de desempenho ou compatibilidade dos recursos geralmente disponíveis. Os recursos geralmente disponíveis estão prontos para uso em um ambiente de produção.

Precificação

IBM Cloud

O serviço oferece vários planos de precificação para se adequar às suas necessidades de uso e aplicação. Para obter mais informações sobre os planos de preços ou para adquirir um plano, consulte o serviço Text to Speech no Catálogo IBM Cloud®.