O que são vozes de alta definição? (Pré-visualização)

O Azure AI Speech continua a avançar no campo da tecnologia de texto para fala com a introdução de texto neural para vozes de alta definição (HD) de fala. As vozes HD podem compreender o conteúdo, detetar automaticamente emoções no texto de entrada e ajustar o tom de fala em tempo real para corresponder ao sentimento. As vozes HD mantêm uma persona de voz consistente das suas contrapartes neurais (e não HD) e oferecem ainda mais valor através de funcionalidades melhoradas.

Principais características do texto neural para voz voz HD

A seguir estão os principais recursos das vozes HD do Azure AI Speech:

Comparação de vozes do Azure AI Speech HD com outras vozes de texto para fala do Azure

Como as vozes do Azure AI Speech HD se comparam a outras vozes de texto para fala do Azure? Como diferem em termos de características e capacidades?

Aqui está uma comparação de recursos entre vozes do Azure AI Speech HD, vozes do Azure OpenAI HD e vozes do Azure AI Speech:

Vozes HD do Azure AI Speech HD suportadas

Os valores de voz do Azure AI Speech HD estão no formato voicename:basemodel:version. O nome antes dos dois pontos, como en-US-Ava, é o nome da persona da voz e sua localidade original. O modelo base é rastreado por versões em atualizações subsequentes.

Atualmente, DragonHD é o único modelo base disponível para vozes HD do Azure AI Speech. Para garantir que você está usando a versão mais recente do modelo base que fornecemos sem ter que fazer uma alteração de código, use a LatestNeural versão.

Por exemplo, para a persona, você pode especificar os seguintes valores de en-US-Ava voz HD:

• en-US-Ava:DragonHDLatestNeural: Utiliza sempre a versão mais recente do modelo base que fornecemos mais tarde.

A tabela a seguir lista as vozes HD do Azure AI Speech que estão disponíveis no momento.

Como usar vozes HD do Azure AI Speech

Você pode usar vozes HD com o mesmo SDK de fala e APIs REST que as vozes não HD.

Aqui estão alguns pontos-chave a serem considerados ao usar vozes HD do Azure AI Speech:

• Localidade da voz: a localidade no nome da voz indica seu idioma e região originais.
• Modelos de base:
  • As vozes HD vêm com um modelo base que compreende o texto de entrada e prevê o padrão de fala de acordo. Você pode especificar o modelo desejado (como DragonHDLatestNeural) de acordo com a disponibilidade de cada voz.
• Uso do SSML: para fazer referência a uma voz no SSML, use o formato voicename:basemodel:version. O nome antes dos dois pontos, como de-DE-Seraphina, é o nome da persona da voz e sua localidade original. O modelo base é rastreado por versões em atualizações subsequentes.
• Parâmetro de temperatura:
  • O valor da temperatura é um flutuador que varia de 0 a 1, influenciando a aleatoriedade da saída. Você também pode ajustar o parâmetro de temperatura para controlar a variação das saídas. Menos aleatoriedade produz resultados mais estáveis, enquanto mais aleatoriedade oferece variedade, mas menos consistência.
  • Temperaturas mais baixas resultam em menos aleatoriedade, levando a saídas mais previsíveis. Temperaturas mais altas aumentam a aleatoriedade, permitindo saídas mais diversificadas. A temperatura padrão é definida como 1,0.

Eis um exemplo de como utilizar as vozes HD do Azure AI Speech no SSML:

<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xmlns:mstts='https://www.w3.org/2001/mstts' xml:lang='en-US'>
<voice name='en-US-Ava:DragonHDLatestNeural' parameters='temperature=0.8'>Here is a test</voice>
</speak>

Elementos SSML com e sem suporte para vozes HD do Azure AI Speech

A SSML (Speech Synthesis Markup Language) com texto de entrada determina a estrutura, o conteúdo e outras características da saída de texto para fala. Por exemplo, você pode usar SSML para definir um parágrafo, uma frase, uma pausa ou silêncio. Você pode quebrar o texto com tags de evento, como marcador ou viseme, que seu aplicativo processa posteriormente.

As vozes HD do Azure AI Speech não suportam todos os elementos ou eventos SSML suportados por outras vozes do Azure AI Speech. É importante notar que as vozes HD do Azure AI Speech não suportam eventos de limite de palavras.

Para obter informações detalhadas sobre os elementos SSML com e sem suporte para vozes HD do Azure AI Speech, consulte a tabela a seguir. Para obter instruções sobre como usar elementos SSML, consulte a documentação do SSML (Speech Synthesis Markup Language).

Conteúdos relacionados

• Experimente o início rápido de texto para fala no Azure AI Speech
• Saiba mais sobre como usar SSML e eventos