關於 Text to Speech
IBM Watson® Text to Speech 服務提供 API，可使用 IBM 的語音合成功能將書面文字轉換為自然發聲的語音。 此服務會以最低延遲將合成的音訊串流回用戶端。 音訊使用其語言和用語的適當節奏及語調，來提供平順自然的語音。
服務可用於諸如語音自動化聊天機器人的應用程式，以及各種語音驅動和無螢幕式應用程式，例如適用於身障或視障人士、影像旁白和配音，以及教育及家庭自動化解決方案等的工具。 這適用於音訊為其偏好輸出方法的任何應用程式。
產品版本
Text to Speech 可以部署為受管理雲端服務，也可以安裝在內部部署中。 本文件說明如何使用這兩個版本的產品。 只適用於一個版本的主題、段落及範例等資訊明確表示:
- IBM Cloud IBM Cloud 上託管的 的受管實體，或託管於 Text to SpeechIBM Cloud Pak for Data as a Service. 有關所有服務更新的資訊，請參閱 Text to Speech for IBM Cloud 的發佈說明。
- IBM Cloud Pak for DataIBM Software Hub Text to Speech for 的已安裝或內置實例。IBM Cloud Pak for Data 如需安裝和管理 Watson Speech 服務的詳細資訊，請參閱安裝 概觀。 有關所有服務更新的資訊，請參閱 Text to Speech 的發佈說明 IBM Cloud Pak for Data 以及 Text to Speech 的發佈說明 IBM Software Hub。
語音合成
Text to Speech 服務同時支援 HTTP 及 WebSocket 介面來進行語音合成。 這兩種介面可接受純文字及以 XML 型「語音合成標記語言 (SSML)」標註的文字。 WebSocket 介面也可以產生關於音訊字組的計時資訊。 如需詳細資訊，請參閱下列服務功能：
自訂作業
服務提供一種自訂作業介面，您可以用來指定服務如何對輸入文字中出現的不尋常字組發音。 您可以定義自訂模型，以包括應用程式辭彙的字組字典。 如需相關資訊，請參閱服務功能中的自訂服務。
語言支援
此服務提供神經語音，以多種語言及用語將文字合成為語音:
- 荷蘭文（荷蘭）
- 英語 (澳洲、英國和美國方言)
- 法文 (加拿大和法國用語)
- 德文
- 義大利文
- 日文
- 韓文
- 葡萄牙文 (巴西)
- 西班牙文（卡斯提亞語、拉丁美洲及北美用語）
對於不同的語言，服務會提供女性語音及/或男性語音。 如需支援的語言和語音、服務針對每一種語言提供的語音類型及其服務兩個版本的狀態的相關資訊，請參閱 語言和語音。
音訊支援
服務會以多種熱門格式產生音訊：
- A-Law
- 基本音訊
- 自由無失真音訊轉碼器 (FLAC)
- 線性 16 位元脈衝編碼調變 (PCM)
- MP3（或 MPEG）
- Mu-law（或 u-law）
- Ogg 或「Web 媒體 (WebM)」音訊搭配 Opus 或 Vorbis 轉碼器
- Waveform Audio File Format (WAV)
不同格式支援不同的取樣率及其他特徵。 如需相關資訊，請參閱 使用音訊格式。
測試版特性
IBM 有時會發行分類為測試版的特性和語言支援。 提供這類特性，以便您可以評估其功能。 它們可能不穩定，可能會在短時間內變更或移除。 它們並非預期在正式作業環境中使用。
測試版特性可能無法提供與正式發行特性相同的效能或相容性層次。 正式發行的特性已備妥，可在正式作業環境中使用。
定價
IBM Cloud
服務提供多個定價方案，以符合您的使用和應用程式需求。 如需定價方案或購買方案的相關資訊，請參閱 IBM Cloud® 型錄中的 Text to Speech 服務。