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 АPI 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-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.

Метод	Тип	Описание	Входные параметры	Ответ
/tts/	GET	Вывод списка моделей	-	{ models: [model1,...,modelN] }
/tts/dictionary/export	GET	выгрузка пользовательского словаря ударений	-	текст - строки с словом и его интерперетацией с ударением
/tts/dictionary/get	GET	выгрузка пользовательского словаря ударений в виде json	-	[ [ "слово", "замена слова с удар+ением" ], [ "слово2", "замена слова2 с удар+ением" ], ... ... ]
/tts/dictionary/import	POST	загрузка пользовательского словаря ударений	текст - строки с словом и его интерперетацией с ударением	-
/tts/dictionary/get	POST	загрузка пользовательского словаря ударений в виде json	[ [ "слово", "замена слова с удар+ением" ], [ "слово2", "замена слова2 с удар+ением" ], ... ... ]	-
/tts/synthesize/{id}	GET	Синтез звукового файла из текста	ID - имя модели text - текст синтезируемой фразы rate - скорость речи pitch - высота (тон) volume - громкость	wav файл с синтезированой фразой

Методы POST заменяют пользовательский словарь, а не дополняют его