Как синтезировать речь в SpeechKit API v1

Синтез речи преобразует текст в речь и сохраняет ее в аудиофайл. В этом разделе вы научитесь синтезировать речь из текста с помощью SpeechKit API v1 (REST).

Для работы с API в примере используется утилита cURL.

Аутентификация для работы с API

Для работы с API SpeechKit пройдите аутентификацию. Ее способ зависит от типа аккаунта:

Аккаунт на Яндексе, федеративный или локальный аккаунт

Сервисный аккаунт

Получите IAM-токен для аккаунта на Яндексе, федеративного или локального аккаунта.
Получите идентификатор каталога, на который у вашего аккаунта есть роли ai.speechkit-stt.user, ai.speechkit-tts.user или выше.
При обращении к SpeechKit через API в каждом запросе передавайте полученные параметры:
- Для API v1 и API v2:
  
  Указывайте IAM-токен в заголовке Authorization в следующем формате:
```
Authorization: Bearer <IAM-токен>
        
```
  Идентификатор каталога указывайте в теле запроса в параметре folderId.
- Для API v3:
  - в заголовке Authorization указывайте IAM-токен;
  - в заголовке x-folder-id указывайте идентификатор каталога.
```
Authorization: Bearer <IAM-токен> 
        x-folder-id: <идентификатор_каталога>
        
```

SpeechKit поддерживает два способа аутентификации с сервисным аккаунтом:

С помощью IAM-токена:
1. Получите IAM-токен.
2. Полученный IAM-токен передавайте в заголовке Authorization в следующем формате:
```
Authorization: Bearer <IAM-токен>
        
```
С помощью API-ключей.

Используйте API-ключи, если у вас нет возможности автоматически запрашивать IAM-токен.
1. Получите API-ключ.
2. Полученный API-ключ передавайте в заголовке Authorization в следующем формате:
```
Authorization: Api-Key <API-ключ>
        
```

Не указывайте в запросах идентификатор каталога — сервис использует каталог, в котором был создан сервисный аккаунт.

В примере ниже аутентификация выполняется от имени аккаунта на Яндексе.

Выполните запрос

Отправьте запрос на преобразование текста в речь:

read -r -d '' TEXT << EOM
        Я Яндекс Спичк+ит.
        Я могу превратить любой текст в речь.
        Теперь и в+ы — можете!
        EOM
        export FOLDER_ID=<идентификатор_каталога>
        export IAM_TOKEN=<IAM-токен>
        curl \
          --request POST \
          --header "Authorization: Bearer ${IAM_TOKEN}" \
          --data-urlencode "text=${TEXT}" \
          --data "lang=ru-RU&voice=filipp&folderId=${FOLDER_ID}" \
          "https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize" > speech.ogg

Где:

FOLDER_ID — идентификатор каталога, полученный ранее.
IAM_TOKEN — IAM-токен, полученный ранее.
TEXT — текст с примененным URL-кодированием, который нужно распознать.
lang — язык текста.
voice — голос для синтеза речи.
speech.ogg – файл, в который будет записан ответ.

Примечание

Для передачи слов-омографов используйте + перед ударной гласной: з+амок, зам+ок. Чтобы отметить паузу между словами, используйте -. Ограничение на длину строки: 5000 символов.

Синтезированная речь будет записана в файл speech.ogg в папке, из которой вы выполнили эту команду.

По умолчанию аудио создается в формате OggOpus. Прослушать созданный файл можно в браузере, например в Яндекс Браузере или Mozilla Firefox.

См. подробнее описание формата запроса на синтез речи.