Перейти к основному содержимому

SpeechKit Brand Voice Adaptive от Яндекса

Бета

Яндекс поддерживает синтез речи с переменными на базе технологии Yandex SpeechKit Brand Voice Adaptive.

к сведению

Возможность интеграции с Yandex SpeechKit Brand Voice Adaptive через JAICP находится в раннем доступе. Оставьте заявку на адрес client@just-ai.com для получения подробной информации.

Использование​

Чтобы использовать технологию в проектах на JAICP, необходимы следующие действия.

  1. Подготовка входных данных. Подготовьте корпус шаблонов и записей диктора для обучения модели. Следуйте всем требованиям, предъявляемым к качеству данных. Данные будут переданы в Яндекс.
подсказка
Подробнее о требованиях к формату входных данных в документации Yandex SpeechKit

  1. Подготовка модели синтеза. Яндекс обучает модель. Цикл обучения занимает порядка календарного месяца.

  2. Размещение модели синтеза. Яндекс размещает обученную модель в Yandex.Cloud и выдает ID модели, который можно использовать в проекте.

  3. Настройка синтеза в JAICP. В параметрах телефонного канала заполните настройки синтеза. В качестве голоса укажите полученный ID модели:

Заполнение настроек синтеза для телефонного подключения

Далее вы можете использовать в сценарии синтез речи с переменными для генерации ответов бота. Для этого вам потребуется метод $reactions.ttsWithVariables.

подсказка
Just AI — партнер Yandex SpeechKit. Мы можем помочь вам с регистрацией аккаунта, созданием проекта и подготовкой данных. При необходимости оставьте комментарий к заявке.
Мы также готовы предоставить собственные модели синтеза для дообучения на ваших данных — так подготовительный этап пройдет гораздо быстрее.

Ограничения​

Ограничение на длину фраз​

Длина фраз, которые подаются на синтез речи с переменными, не должна превышать:

  • 24 секунды озвученного текста;
  • 250 символов, включая пробелы и знаки препинания.

Иначе провайдер вернет ошибку.

Ограничение на код сценария​

При использовании синтеза речи с переменными в сценарии не работает тег a и метод $reactions.answer. Помимо вызова $reactions.ttsWithVariables возможно только воспроизведение аудио через тег audio или $reactions.audio.

Повторное обучение​

При синтезе возможно использовать шаблоны, которые не участвовали в обучении модели. Однако качество вставки переменных в такие шаблоны не гарантируется.

подсказка
Если таких шаблонов становится много, рекомендуется добавить их в набор входных данных и отправить заявку на повторное обучение модели.