Ինչպես օգտագործել SSML գեներատորը հայերեն տեքստի համար

SSML նշագրության նպատակը

SSML գեներատորը սովորական տեքստից ստեղծում է Speech Synthesis Markup Language նշագրություն, որը նախատեսված է խոսքի սինթեզի շարժիչում հետագա օգտագործման համար։ Այս ձևաչափը օգտակար է, երբ ցանկանում եք տեքստը պատրաստել ոչ միայն բովանդակությամբ, այլև ձայնի անունով, խոսքի արագությամբ, տոնի բարձրությամբ և ձայնի ուժգնությամբ։ Գործիքը չի ստեղծում աուդիո ձայնագրություն, ուստի արդյունքը պետք է դիտարկել որպես սինթեզի համար պատրաստվող նշագրության կառուցվածք։

Տեքստը կամընտիր մուտք է և սկզբնական վիճակում դատարկ է։ Այդ պատճառով կարող եք նախ ընտրել կարգավորումները, սակայն արդյունք ստանալու համար արդյունավետ մուտքը պետք է պարունակի ոչ դատարկ բովանդակություն։ Միայն բացատներից կազմված դաշտը նույնպես համարվում է դատարկ, և այդ դեպքում գործիքը հաջողությամբ ավարտվում է սխալի մասին նշումով՝ առանց գեներացված SSML նշագրության։

Այս գործիքը հարմար է, օրինակ, ընթերցման համար պատրաստվող հայտարարության, երկխոսության կամ կարճ տեղեկատվական նյութի կառուցվածքը նախապես ձևավորելու ժամանակ։ Տողերի դասավորությունը պահելը կարևոր է, եթե ցանկանում եք, որ սկզբնական բաժանումները նկատելի լինեն ստացված նշագրության մեջ։

Գործողությունների հերթականությունը

1. Մուտքագրեք այն հայերեն կամ այլ լեզվով տեքստը, որը նախատեսում եք ուղարկել խոսքի սինթեզի շարժիչ։ Նախքան ստեղծումը ստուգեք, որ դաշտում կա իրական տեքստ, ոչ թե միայն բացատներ։ Եթե նյութը կազմված է մի քանի հատվածից, պահպանեք դրանց միջև եղած տողադարձերը, որպեսզի արդյունքի կառուցվածքը համապատասխանի ձեր մտադրությանը։

2. Անհրաժեշտության դեպքում լրացրեք ձայնի անունը։ Ձայնի անուն չտրամադրելու դեպքում օգտագործվում է default արժեքը։ Եթե ընտրում եք այլ անուն, այն դիտարկեք որպես այն ձայնի նույնացուցիչ, որը պետք է ճանաչվի հետագայում օգտագործվող խոսքի սինթեզի շարժիչում։

3. Ընտրեք խոսքի արագության տարբերակը՝ x-slow, slow, medium, fast կամ x-fast։ Այնուհետև սահմանեք տոնի բարձրությունը՝ x-low, low, medium, high կամ x-high արժեքներից մեկով։ Ձայնի ուժգնության համար հասանելի են silent, x-soft, soft, medium, loud և x-loud տարբերակները։

4. Ստեղծեք նշագրությունը և դիտեք ստացված SSML բովանդակությունը։ Ճանաչված արագության ու տոնի արժեքները վերածվում են հարաբերական տոկոսային արժեքների, իսկ ուժգնության ընտրությունը փոխակերպվում է թվային մակարդակի։ Չճանաչված արժեքի դեպքում տվյալ կարգավորումը փոխարինվում է medium տարբերակով, ուստի ընտրությունը կատարելուց հետո օգտակար է ստուգել արդյունքի համապատասխան հատվածը։

5. Արդյունքը փոխանցելուց առաջ համադրեք ձայնի անունը և օգտագործվող շարժիչի ընդունած SSML հնարավորությունները։ Այդ ստուգումը թույլ է տալիս նկատել այն տարբերությունները, որոնք կարող են առաջանալ նշագրությունը մեկ այլ սինթեզի միջավայրում կիրառելիս։

Արդյունքի ընթերցում և ստուգում

Ստացված նյութը SSML նշագրություն է, ոչ թե պատրաստի ձայնային ֆայլ։ Դրա իմաստը տեքստի և ընտրված խոսքային պարամետրերի կառուցվածքային ներկայացումն է, որը նախատեսված է խոսքի սինթեզի շարժիչում օգտագործելու համար։ Եթե ձեր ընտրած շարժիչը տվյալ ձայնի անունը կամ նշագրության որևէ հնարավորությունը չի ճանաչում, արդյունքի կիրառումը կարող է պահանջել լրացուցիչ հարմարեցում։

Տեքստի դասավորությունը նույնպես արտացոլվում է արդյունքի ձևում։ Ոչ դատարկ տողերը խմբավորվում են sentence տարրերի մեջ, իսկ երկու իրար հաջորդող տողադարձերը բաժանում են paragraph տարրերը։ Հետևաբար մեկ տողադարձը և դատարկ տողով արված բաժանումը նույն նշանակությունը չունեն։ Եթե նախնական տեքստում կան XML-ի հատուկ նիշեր, դրանք նախապես փոխակերպվում են XML-ով պաշտպանված ներկայացման, որպեսզի տեղադրվեն նշագրության մեջ։ Այդ պատճառով արդյունքը կարող է տեսքով տարբերվել մուտքագրված նշաններից՝ առանց սկզբնական բովանդակության այդ հատվածը սովորական տեքստով կրկնելու։

Կարգավորումների ընտրությունը պետք է մեկնաբանել որպես հարաբերական խոսքային հրահանգ։ Օրինակ՝ fast արժեքը արդյունքի մեջ հայտնվում է որպես համապատասխան հարաբերական տոկոսային արժեք, իսկ loud ընտրությունը՝ որպես թվային մակարդակ։ Չճանաչված արժեքների համար միջին տարբերակի վերադարձը նշանակում է, որ սխալ կամ չընդունված ընտրությունը պետք է ուղղել նախքան նշագրությունը օգտագործելը։ Եթե գործիքը վերադարձնում է սխալի մասին նշում, առաջին հերթին վերանայեք արդյունավետ տեքստը և հեռացրեք միայն բացատներից կազմված մուտքը։

Գործնական օրինակ

Օգտատերը պատրաստում է երկու պարբերությունից բաղկացած ողջույն, որը հետագայում նախատեսում է օգտագործել խոսքի սինթեզի շարժիչում։

Մուտքագրեք «Բարի օր։

Ինչպե՞ս եք» տեքստը, ընտրեք fast արագությունն ու loud ուժգնությունը և ստեղծեք արդյունքը։

Ստեղծված արդյունքը պարունակում է sentence տարրերով խմբավորված ոչ դատարկ տողեր, երկու հաջորդական տողադարձով բաժանված paragraph տարրեր և XML-ի հատուկ նիշերի փոխակերպված ներկայացում։

Սահմանափակումներ

• Արդյունքը նշագրություն է, ոչ ձայնագրություն, իսկ դատարկ կամ միայն բացատներով արդյունավետ մուտքը նշագրություն չի ստեղծում։ Տարբեր խոսքի սինթեզի շարժիչների կողմից ընդունումը երաշխավորված չէ։

Հաճախակի սխալներ

• Միայն բացատներ պարունակող դաշտը սխալմամբ կարող է ընկալվել որպես լրացված մուտք։ Փոխարինեք այն առնվազն մեկ բովանդակալից նիշով կամ բառով և նորից ստեղծեք նշագրությունը։

Հաճախ տրվող հարցեր

Կարո՞ղ եմ այս գործիքով անմիջապես աուդիո ֆայլ ստանալ։

Այս գործիքը տրամադրում է SSML նշագրություն, ոչ թե աուդիո ֆայլ։ Արդյունք ստանալու համար մուտքը պետք է պարունակի ոչ դատարկ տեքստ, քանի որ միայն բացատներից կազմված կամ դատարկ բովանդակությունը նշագրության չի վերածվում։

Ի՞նչ ձայնի անուն է կիրառվում առանց իմ ընտրության։

Եթե ձայնի անուն չեք լրացնում, նշագրության համար կիրառվում է default անունը։ Այլ ձայն ընտրելիս հետագա օգտագործման խոսքի սինթեզի շարժիչում ստուգեք այդ անունի ճանաչումը։

Ի՞նչ է փոխվում, երբ տեքստում տողադարձեր եմ օգտագործում։

Մեկ տողադարձը պահպանում է տեքստի հաջորդականությունը, մինչդեռ երկու անընդմեջ տողադարձը ստեղծում է paragraph տարրերի բաժանում։ Ոչ դատարկ տողերի բովանդակությունը խմբավորվում է sentence տարրերի մեջ։