Синтез речи из текста в формате SSML с помощью API v1

С помощью API v1 можно синтезировать речь из текста, размеченного по правилам SSML, в файл формата OggOpus.

В примере заданы следующие параметры синтеза:

язык — русский;
голос — jane;
остальные параметры оставлены по умолчанию.

Считывание текстового файла выполняется с помощью утилиты cat.

Аутентификация происходит от имени аккаунта на Яндексе или федеративного аккаунта с помощью IAM-токена. Если вы используете сервисный аккаунт, передавать в запросе идентификатор каталога не нужно. Подробнее об аутентификации в API SpeechKit см. Аутентификация в API SpeechKit.

Bash

Создайте файл, например text.xml, и напишите в нем текст в формате SSML:

<speak>
          Вот несколько примеров использования SSML.
          Вы можете добавить в текст паузу любой длины:<break time="2s"/> та-дааам!
          Или разметить текст на параграфы и предложения. Паузы между параграфами длиннее.
          <p><s>Первое предложение</s><s>Второе предложение</s></p>
          А еще вы можете подменять фразы.
          Например, чтобы произносить аббревиатуры и <sub alias="тому подобное">т.п.</sub>
        </speak>

Отправьте запрос с текстом на сервер:

export FOLDER_ID=<идентификатор_каталога>
        export IAM_TOKEN=<IAM-токен>
        curl \
          --request POST \
          --header "Authorization: Bearer ${IAM_TOKEN}" \
          --data-urlencode "ssml=`cat text.xml`" \
          --data "lang=ru-RU&voice=jane&folderId=${FOLDER_ID}" \
          "https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize" > speech.ogg