Начало работы со SpeechKit

1. Перейдите в консоль управления, затем войдите в Yandex Cloud или зарегистрируйтесь, если вы еще не зарегистрированы. Инструкции для новых клиентов сервиса описаны в документе Начало работы с Yandex Cloud.
2. Примите пользовательское соглашение.
3. В сервисе Yandex Cloud Billing убедитесь, что у вас подключен платежный аккаунт и он находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его.

1. В интерфейсе AI Studio выберите каталог, на который у вашего аккаунта есть роли ai.playground.user и ai.datasets.editor или выше.

2. На панели слева разверните раздел AI Speech и выберите Распознавание речи.

3. На вкладке Распознавание речи в блоке Параметры распознавания:

   • Язык — выберите нужный язык или оставьте значение Автоматически.
   • Нормализация текста — представляет даты и время в цифровом формате, преобразовывает числа из словарного в цифровой формат и открывает доступ к дополнительным настройкам.
   • Фильтрация обсценной лексики — маскирует обсценную лексику.
   • Литературный текст — добавляет заглавные буквы и знаки пунктуации.
   • Определение дикторов — размечает, какому из дикторов принадлежит каждая распознанная фраза.
   • Группировка фраз дикторов — разделяет фразы на две группы по дикторам.

4. Нажмите Выбрать файл или перетащите аудиофайл в зону загрузки.

5. Классификаторы — находит в тексте фразы заданной категории, например, приветствие, негатив или мат. Работает только для русского языка.

6. Обработка результатов — обработка результатов с помощью LLM:

   • Модель — выберите модель для обработки. Стоимость обработки зависит от выбранной модели.
   • Инструкция:
     • Напишите промпт в поле ввода или выберите готовый.
     • Формат результата — укажите предпочитаемый формат для результатов распознавания.
     • Добавить инструкцию — добавьте еще одну инструкцию. Всего можно добавить до пяти инструкций.

7. Нажмите Распознать, чтобы распознать речь в аудиофайле.

8. Нажмите Посмотреть код, чтобы получить код запроса для Python REST или Python gRPC.

Подробная инструкция на странице Распознавание речи с помощью Playground.

SpeechKit Playground предоставляет базовые возможности распознавания речи. Более гибкие настройки распознавания доступны только через API.

1. В интерфейсе AI Studio выберите каталог, на который у вашего аккаунта есть роли ai.playground.user и ai.datasets.editor или выше.

2. На панели слева разверните раздел AI Speech и выберите Синтез речи.

3. На вкладке Синтез речи вставьте текст длиной до 5000 символов в центральную часть окна.

4. В блоке настроек в левой части окна:

   • Паузы — выберите длительность пауз между словами или задайте ее самостоятельно.
   • Акцент на слове — расставьте акценты на нужных словах.
   • Ударение — обозначьте ударные гласные, чтобы уточнить корректный вариант произношения слов.
   • Фонемы — контролируйте правильность произношения слов с помощью фонем.

5. В блоке Настройки синтеза в правой части окна:

   • Язык — выберите язык диктора.
   • Голос — укажите голос диктора.
   • Амплуа — выберите амплуа диктора.
   • Скорость речи — задайте скорость речи диктора.
   • Высота голоса — скорректируйте высоту голоса диктора.
   • Формат аудио — выберите необходимый формат аудио.

6. Чтобы начать синтез, нажмите Синтезировать и воспроизвести.

7. Чтобы скачать результат, нажмите .

Подробная инструкция на странице Синтез речи с помощью Playground.

SpeechKit Playground предоставляет базовые возможности синтеза речи. Более гибкие настройки синтеза доступны только через API.