Hangformátum és hangok konfigurálása

  • 3 perc

A beszédszintézis során SpeechConfig-objektumokkal testre szabhatja az Azure AI Speech szolgáltatás által visszaadott hangot.

Hangformátum

Az Azure AI Speech szolgáltatás több kimeneti formátumot is támogat a beszédszintézis által generált hangstreamhez. Az igényeitől függően a szükséges formátumot választhatja ki:

  • Hangfájl típusa
  • Mintasebesség
  • Bitmélység

A támogatott formátumokat az SDK a SpeechSynthesisOutputFormat enumerálással jelzi. Például: SpeechSynthesisOutputFormat.Riff24Khz16BitMonoPcm.

A szükséges kimeneti formátum megadásához használja a SpeechConfig objektum SetSpeechSynthesisOutputFormat metódusát:

speechConfig.SetSpeechSynthesisOutputFormat(SpeechSynthesisOutputFormat.Riff24Khz16BitMonoPcm);

A támogatott formátumok és azok enumerálási értékeinek teljes listáját az Azure AI Speech SDK dokumentációjában találja.

Hangok

Az Azure AI Speech szolgáltatás több hangot is biztosít, amelyekkel személyre szabhatja a beszédalapú alkalmazásokat. Kétféle hang használható:

  • Standard hangok – hangmintákból létrehozott szintetikus hangok.
  • Neurális hangok – a mély neurális hálózatok használatával létrehozott természetesebb hangzású hangok.

A hangokat olyan nevek azonosítják, amelyek egy területi beállításra és egy személy nevére utalnak – például en-GB-George.

A Beszédkonfigurációban a beszédszintézis hangjának megadásához állítsa a SpeechSynthesisVoiceName tulajdonságát a használni kívánt hangra:

speechConfig.SpeechSynthesisVoiceName = "en-GB-George";

A hangokkal kapcsolatos információkért tekintse meg az Azure AI Speech SDK dokumentációját.