TTS. Руководство пользователя

Общее описание

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

Термины и определения

Text-to-speech server (TTS) – сервис синтеза речи.

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

Вокодер – модель нейронной сети, отвечающая 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 интерпретацией 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 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 две т+ысячи дв+адцать п+ятого г+ода».
text — фраза для нормализации.		{   "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 22050 Гц)		wav файл с синтезированой фразой