TTS. Руководство пользователя

Общее описание

Сервис предназначен для преобразования текста в речь. Входными данными для сервиса является текст, результатом работы будет аудио файл в формате *.wav.

Термины и определения

Text To Speech Server (TTS)– сервис синтеза речи.

Модель (голос) - модель нейронной сети, отвечающую за синтез спектрограммы из текста. От модели зависит каким голосом будет синтезирован текст.

Вокодер - модель нейронной сети, отвечающую за синтез аудиоданных из спектрограммы

Swagger UI – интерактивная веб-консоль с кратким описанием методов API и возможностью выполнять запросы к сервису TTS в реальном времени

Описание методов API

Запросы осуществляются по протоколу HTTP 1.1 на адрес сервера с доступным сервисом TTS. По умолчанию используется порт 6186/tcp.

Авторизация запросов не требуется. HTTP-запросы должны содержать заголовок "accept: application/json"

Ответ сервиса представляет собой JSON или текстовый документ в кодировке UTF-8, или двоичный файл.

Содержимое документа зависит от результата выполнения запроса. При наличии ошибки в качестве ответа вернется переменная error=1 и описание в переменной message. Для удобства проверки методов по ссылке http://АДРЕС:6186 будет отображен интерфейс swagger со всеми методами с возможностью их проверки.

Описание методов API

GET/tts/	Вывод списка моделей (голосов синтеза).
Входные параметры отсутствуют		{ models: [model1,...,modelN] }
GET/tts/dictionary/export	Выгрузка пользовательского словаря ударений.
Входные параметры отсутствуют		простой текст - строки с словом и его интерперетацией с ударением
GET/tts/dictionary/get	Выгрузка пользовательского словаря ударений в виде json.
Входные параметры отсутствуют		[ [   "слово",   "замена слова с удар+ением"], [   "слово2",   "замена слова2 с удар+ением"], ... ]
POST/tts/dictionary/import	Загрузка пользовательского словаря ударений. Текущий словарь будет переписан.
csv file - файл строк со словом и его интерперетацией с ударением		{   "error": 0,   "message": "сообщение о статусе результата" }
POST/tts/dictionary/put	Загрузка пользовательского словаря ударений в виде json. Текущий словарь будет переписан.
json -строка json следующего вида: [ [   "слово",   "замена слова с удар+ением" ], [ "слово2",   "замена слова2 с удар+ением" ], ... ]		{   "error": 0,   "message": "сообщение о статусе результата" }
POST/tts/normalize	Нормализация текста - перевод цифр в слова и расстановка ударений (ударения только в нормализованной части фразы), например "в понедельник 10.10.2025" -> "в понедельник дес+ятого октябр+я дв+е т+ысячи дв+адцать п+ятого г+ода".
text - фраза для нормалимзации		{   "error": 0,   "message": "success",   "text": "нормализованный текст" }
POST/tts/revoice/{revoicer}	Модификация или искажение голоса
wav - аудиофайл для обработки revoicer - модель модификации голоса		wav файл с модифицированным (искаженным) голосом
GET/tts/revoicers	Перечень моделей модификации или искажения голоса. Модели поставляются только в составе дистрибутива. Модель distortion - искажение голоса, делает голос неузнаваемым и речь неразборчивой.
Входные параметры отсутствуют		[  "distortion" ]
GET/tts/split	Разбивка текста на фразы. Текст из нескольких предложений разбивает на отдельные фразы. Фразы отдаёт списком.
text - текст для обработки		{  "error": 0,   "message": "success",   "phrases": [ "фраза 1", "фраза 2", ....  "фраза N" ] }
POST/tts/synthesize/{id}	Синтез звукового файла из текста для фраз большого размера - тип запроса "POST" позволяет отправку больших текстов. ВНИМАНИЕ аналогичный метод GET теперь отсутствует.
ID - имя модели text - текст синтезируемой фразы rate - скорость речи pitch - высота (тон) volume - громкость frequency - частота дискретизации (по умолчанию 22050Гц)		wav файл с синтезированой фразой