Эта статья рассказывает, как реализовать функции синтеза речи в скриптах JScript/VBScript и в командных файлах bat/cmd.
Функция синтез речи представляет собой преобразование текста (строки или текстового файла) в звук, дословно Text-To-Speech, TTS. Для формирования звука речи используют готовые компоненты или программы. Эта статья рассказывает о том, как установить, настроить и запрограммировать синтез речи с использованием Microsoft Speech Platform.
Преимущество TTS, по сравнению с обычным MessageBox, в том, что пользователь услышит и поймёт сообщение, даже если он отвернулся от монитора или отошёл от компьютера, то есть голосовое сообщение не требует, чтобы пользователь подходил к компьютер и прочитал текст сообщения. Особенно удобно применение TTS для напоминаний.
- Скачивание и установка компонентов
- Выбор голоса и проговаривание статического текста
- Проговаривание времени и динамического текста
- Совместимые версии Windows
Возможности TTS
Функции Text-to-Speech, TTS позволяют создать голосовой интерфейс пользователя из обычного текста, статического или формируемого динамически.
Top 3 TOTALLY Free Text To Speech For Youtube Videos 2023
Скачивание и установка компонентов TTS
Чтобы синтезировать речь из текста TTS, с поддержкой русского языка, не используя платное ПО, можно использовать Microsoft Speech Platform, это бесплатный компонент с поддержкой многих языков (на сегодня поддерживается 26 языков, включая русский), он позволяет не только синтезировать речь из текста, но и анализировать речь для построения голосового управления.
Сейчас мы увидим, как легко и быстро добавить в скрипт JScript или VBScript голосовые сообщения для пользователя, т.е. такой скрипт сможет проговаривать сгенерированный текст – текущее время или любое другое сообщение пользователю.
Нам понадобится скачать и установить:
Собственно компонент Speech Platform – файл SpeechPlatformRuntime.msi, можно скачать из Microsoft Speech Platform Runtime 11 (для 32-х и 64-хбитной платформы это разные файлы!) или по прямой ссылке (x64) https://yadi.sk/d/FBI8vqNwZbPaR
Русский голос Елена – файл MSSpeech_TTS_ru-RU_Elena.msi, можно скачать из Redistributable Language Packs 11 или по прямой ссылке https://yadi.sk/d/Y-axw4ZnZbPoS
Установку компонентов можно проверить следующим скриптом (JScript). Скрипт использует интерфейс SpVoice.
var speech = WScript.CreateObject(«SPEECH.SpVoice»); if ( speech == null ) WScript.Echo(«Speech not installed. Exit»); var voices = speech.GetVoices(); if ( voices.Count == 0 ) < WScript.Echo(«Voices not installed. Exit.»); WScript.Quit(0); >WScript.Echo(«Voices available: » + voices.Count); for ( var i = 0; i < voices.Count; ++i) WScript.Echo(voices.Item(i).GetDescription()); WScript.Echo(«Current Voice: » + speech.Voice.GetDescription());
Если на компьютере установлен один голос, вывод должен быть такой:
Voices available: 1 Microsoft Server Speech Text to Speech Voice (ru-RU, Elena) Current Voice: Microsoft Server Speech Text to Speech Voice (ru-RU, Elena)
Или, если на компьютере установлено несколько голосов, например, два:
Text to Speech Converter — FREE & No Limits
Voices available: 2 Microsoft Server Speech Text to Speech Voice (ru-RU, Elena) Microsoft Server Speech Text to Speech Voice (en-US, Helen) Current Voice: Microsoft Server Speech Text to Speech Voice (ru-RU, Elena)
Произнесение статического текста в JScript
Теперь синтез речи выполняется в пару строк скрипта say-hello.js :
var speech = WScript.CreateObject(«SPEECH.SpVoice»); speech.Speak(«Привет!»);
Чтобы получить тот же «Привет!» в командном файле, выполняем JS скрипт через cscript или wscript:
Проговаривание динамически формируемого текста в JScript
Следующий скрипт проговаривает часы и минуиы текущего времени и формирует из них строку для произнесения:
var speech = WScript.CreateObject(«SPEECH.SpVoice»); var now = new Date(); speech.Speak(now.getHours() + «:» + now.getMinutes());
Можно запускать этот скрипт по расписанию каждый час, чтобы компьютер проговаривал текущее время.
Интереснее, конечно, сделать оповещение о событиях, передавая текст сообщения в скрипт JS параметром командной строки:
var speech = WScript.CreateObject(«SPEECH.SpVoice»); var text = «»; for ( var i = 0; i < WScript.Arguments.length; ++i ) < if ( text == «» ) text += » «; text += WScript.Arguments(i); >speech.Speak(text);
В bat файле speech-test.cmd просто вызываем speech.js с текстом в параметрах:
wscript.exe speech.js Входящее сообщение
Аналогичные скрипты для проговаривания текста можно написать и на VBScript; он будет использовать тот же компонент и может быть даже записан в одну строку:
CreateObject(«Speech.SpVoice»).Speak»»
Сохраните эту строку в файл .vbs и выполните этот файл – всё очень просто! Этот же файл позволяет сделать автоматическое голосовое приветствие при каждом включении компьютера – если скопировать этот скрипт в папку Автозагрузка (или создать ярлык)!
Пример реализации TTS с проговариванием времени
Ещё один простой пример – следующий скрипт проговаривает, сколько сейчас часов. Если создать расписание и запускать скрипт в начале каждого часа, то получится удобное напоминание о времени (полезно для тех, кто любит засиживаться за компьютером :))
var t = new Date(); var hours_text = «часов»; if ( t.getHours() == 1 || t.getHours() == 21 ) hours_text = » час «; else if ( Math.floor(t.getHours() / 10) != 1 t.getHours() % 10 >= 2 t.getHours() % 10
Скрипт учитывает особенности русского языка при формировании текста, т.е. говорит «10 часов», «11 часов» и т.д., но «21 час», «22 часа» и т.д.
Совместимость
Microsoft Speech Platform 11 поддерживается в Windows 7, Windows Server 2008, Windows Server 2008 R2, Windows Vista, поэтому описанные скрипты будут работать в этих версиях Windows.
Важно! В более поздних версиях (Windows 8 и старше) этот скрипт не заработает, а потребуется Скрипт синтеза речи для Windows 8 и старше
Файлы для загрузки
Все описанные файлы скриптов JS/VBS и командных файлов CMD доступны для скачивания с Яндекс.Диска по ссылке Text-To-Speech-Windows7.
Кроме этого, в папке есть скрипты для тестирования установленных компонентов, для произнесения времени в часах и минутах.
Узнать больше
Объект SpVoice предоставляет через свой интерфейс SpVoice Interface (SAPI 5.3) дополнительные возможности:
- выбор темпа речи — Rate Property
- управление громкостью речи — Volume Property
Синтез речи в скрипте и bat файле
- ← Сохранение входящих смс в Excel
- Скрипт смены плана электропитания →
Источник: nhutils.ru
Установка и обзор модуля Text To Speech в FreePBX 13
В данной статье рассмотрим, как установить и правильно использовать модуль Text To Speech в FreePBX 13. Область применения Данный модуль предназначается для синтезирования текста в речь или, проще говоря, его озвучивания. С помощью него можно изменять приветствие в FreePBX, без необходимости записывать его у диктора или на каком-либо онлайн ресурсе. Подробности об интеграции с Yandex […]
В данной статье рассмотрим, как установить и правильно использовать модуль Text To Speech в FreePBX 13.
Область применения
Распознаем речь с помощью IBM Speech-to-Text API
Привет, Хабр. В рамках курса «Machine Learning. Advanced» подготовили для вас перевод интересного материала.
Извлекаем разговоры из аудиозаписи с легкостью, используя Python.
В этой статье вы узнаете, как использовать IBM Speech to Text API для распознавания речи из файла аудиозаписи. Мы будем использовать бесплатную версию API, которая имеет некоторые ограничения, такие как, например, длина звукового файла. Подробнее об API я расскажу в этой статье чуть позже. Позвольте мне начать с предоставления вам некоторой справочной информации о применении распознавания речи в нашей повседневной жизни.
Предпосылки
Если вы читаете эту статью, я уверен, что вы знакомы с термином «искусственный интеллект» и осознаете его важность. Никого не повергнет в шок, если я скажу, что одно из лучших применений искусственного интеллекта в повседневной жизни — это распознавание речи.
Распознавание речи из аудио позволяет нам как минимум экономить время — мы говорим, вместо того, чтобы что-либо набирать. Это делает использование наших технологических устройств более увлекательным и простым. Эта технология также помогает нам взаимодействовать с этими устройствами без написания какого-либо кода. Представьте, что люди должны знать программирование, чтобы отдавать команды Алексе или Сири. Это было бы очень тупо.
Мне не терпится показать вам распознаватель речи в действии. Давай приступим к работе. Вот шаги, которым мы будем следовать в этом проекте.
Облачные сервисы распознавания речи
Многие гигантские технологические компании имеют собственные распознавательные модели. Я поделюсь некоторыми из них здесь, чтобы вы увидели общую картину. Эти API-интерфейсы работают через облако и могут быть доступны из любой точки мира, если есть подключение к интернету. Кроме того, большинство из них являются платными, но их можно протестировать бесплатно. Например, Microsoft предлагает годовой бесплатный доступ для облачной учетной записи Azure.
Вот некоторые из наиболее популярных облачных сервисов преобразования речи в текст:
Шаг 1 — Библиотека
Для этого проекта нам понадобится всего одна библиотека. И это SpeechRecognition . SpeechRecognition распространяется бесплатно с открытым исходным кодом. Она поддерживает несколько механизмов распознавания речи и API. Такие как; Microsoft Azure Speech, Google Cloud Speech, API IBM Watson Speech to Text и другие. В этом проекте мы будем тестировать IBM Watson Speech to Text API.
Не стесняйтесь изучить исходный код и документацию пакета SpeechRecognition здесь.
Начнем с установки пакета. Мы собираемся использовать pip, менеджер библиотек Python.
pip install SpeechRecognition
После завершения процесса установки мы можем открыть наш редактор кода. Вы также можете использовать Jupyter Notebook.
import speech_recognition as s_r
Шаг 2 — Импорт
Я записал голосовую заметку с помощью компьютера. Он был в формате m4a, но распознаватель не работает с форматом m4a. Вот почему мне пришлось преобразовать его в wav формат.
audio_file = s_r.AudioFile(‘my_clip.wav’)
Шаг 3 — Определение распознавателя
На этом этапе все, что мы сделаем, это определим распознаватель речи. Ранее мы импортировали библиотеку. А теперь мы создадим новую переменную и присвоим ей атрибут распознавания.
rcgnzr = s_r.Recognizer()
Шаг 4 — Распознаватель речи в действии
Пришло время действия! Мы запустим IBM speech to text на нашем аудиофайле. Перед запуском распознавателя я запущу функции, называемые “ adjust_for_ambient_noise ” и “ record ”, которые подавят шум и улучшат звук.
Таким образом, наш распознаватель сможет выдавать более точные результаты.
with audio_file as source: rcgnzr.adjust_for_ambient_noise(source) clean_audio = rcgnzr.record(source)
Отлично, теперь у нас есть достаточно чистая аудиозапись. А теперь давайте запустим распознаватель речи IBM. (Мне потребовалось несколько часов, чтобы понять, как IBM Speech-to-Text API интегрируется с библиотекой Python SpeechRecogniton ). Вот лучший способ вызвать распознаватель через API:
recognized_speech_ibm = r.recognize_ibm(clean_audio, username=»apkikey», password= «your API Key»)
Примечание: API IBM не работает без API-ключа. Нам нужно будет получить его на странице IBM Watson. Мне пришлось создать учетную запись для тестирования этой Speech-to-Text модели. Что мне понравилось в модели IBM, так это, что я могу обрабатывать 500 минут записей в месяц, используя триальную учетную запись, что более чем достаточно для учебных целей.