Inicio rápido: Conversión de texto a voz

En esta guía de inicio rápido, pruebe el modelo de texto a voz de Azure Speech en Foundry Tools con Microsoft Foundry.

Requisitos previos

• Suscripción a Azure.
• Un proyecto de fundición. Si necesita crear un proyecto, consulte Creación de un proyecto de Microsoft Foundry.

Probar texto a voz

Pruebe texto a voz en el portal de Foundry siguiendo estos pasos:

1. Inicie sesión en Microsoft Foundry. Asegúrese de que el interruptor New Foundry está activado. Estos pasos hacen referencia a Foundry (nuevo).
2. Seleccione Compilar en el menú superior derecho.
3. Seleccione Modelos en el panel izquierdo.
4. En la pestaña Servicios de IA se muestran los modelos de Azure AI que se pueden usar de forma predeterminada en el portal de Foundry. Seleccione Azure Speech - Text to Speech para abrir la zona de pruebas de Texto a voz.
5. Elija una voz precompilada en el menú desplegable y, opcionalmente, afinala con los controles deslizantes de parámetros del proveedor.
6. Escriba el texto de ejemplo en el cuadro de texto.
7. Seleccione Reproducir para escuchar la voz sintética que lee el texto.

Documentación de referencia | Paquete (NuGet) | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración del entorno

El SDK de Voz está disponible como paquete NuGet que implementa .NET Standard 2.0. Instale el SDK de Voz más adelante en esta guía mediante la consola. Para obtener instrucciones de instalación detalladas, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Creación de la aplicación

Siga estos pasos para crear una aplicación de consola e instalar el SDK de Voz.

1. Abra una ventana del símbolo del sistema en la carpeta donde desee el nuevo proyecto. Ejecute este comando para crear una aplicación de consola con la CLI de .NET.

   dotnet new console
   

   El comando crea un archivo Program.cs en el directorio del proyecto.

2. Instale el SDK de Voz en el nuevo proyecto con la CLI de .NET.

   dotnet add package Microsoft.CognitiveServices.Speech
   

3. Reemplace el contenido de Program.cs por el código siguiente.

   using System;
   using System.IO;
   using System.Threading.Tasks;
   using Microsoft.CognitiveServices.Speech;
   using Microsoft.CognitiveServices.Speech.Audio;
   
   class Program 
   {
       // This example requires environment variables named "SPEECH_KEY" and "END_POINT"
       static string speechKey = Environment.GetEnvironmentVariable("SPEECH_KEY");
       static string endpoint = Environment.GetEnvironmentVariable("END_POINT");
   
       static void OutputSpeechSynthesisResult(SpeechSynthesisResult speechSynthesisResult, string text)
       {
           switch (speechSynthesisResult.Reason)
           {
               case ResultReason.SynthesizingAudioCompleted:
                   Console.WriteLine($"Speech synthesized for text: [{text}]");
                   break;
               case ResultReason.Canceled:
                   var cancellation = SpeechSynthesisCancellationDetails.FromResult(speechSynthesisResult);
                   Console.WriteLine($"CANCELED: Reason={cancellation.Reason}");
   
                   if (cancellation.Reason == CancellationReason.Error)
                   {
                       Console.WriteLine($"CANCELED: ErrorCode={cancellation.ErrorCode}");
                       Console.WriteLine($"CANCELED: ErrorDetails=[{cancellation.ErrorDetails}]");
                       Console.WriteLine($"CANCELED: Did you set the speech resource key and endpoint values?");
                   }
                   break;
               default:
                   break;
           }
       }
   
       async static Task Main(string[] args)
       {
           var speechConfig = SpeechConfig.FromEndpoint(speechKey, endpoint); 
   
           // The neural multilingual voice can speak different languages based on the input text.
           speechConfig.SpeechSynthesisVoiceName = "en-US-Ava:DragonHDLatestNeural"; 
   
           using (var speechSynthesizer = new SpeechSynthesizer(speechConfig))
           {
               // Get text from the console and synthesize to the default speaker.
               Console.WriteLine("Enter some text that you want to speak >");
               string text = Console.ReadLine();
   
               var speechSynthesisResult = await speechSynthesizer.SpeakTextAsync(text);
               OutputSpeechSynthesisResult(speechSynthesisResult, text);
           }
   
           Console.WriteLine("Press any key to exit...");
           Console.ReadKey();
       }
   }
   

4. Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural como el idioma, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

5. Ejecute la nueva aplicación de consola para iniciar la síntesis de voz en el hablante predeterminado.

   dotnet run
   

   Importante

   Asegúrese de establecer las SPEECH_KEYEND_POINT y . Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

6. Escriba algún texto que quiera expresar. Por ejemplo, escriba Estoy encantado de probar texto a voz. Seleccione la tecla Entrar para escuchar la voz sintetizada.

   Enter some text that you want to speak >
   I'm excited to try text to speech
   

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación SpeakTextAsync para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Paquete (NuGet) | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración del entorno

El SDK de Voz está disponible como paquete NuGet que implementa .NET Standard 2.0. Instale el SDK de Voz más adelante en esta guía. Para obtener instrucciones de instalación detalladas, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Creación de la aplicación

Siga estos pasos para crear una aplicación de consola e instalar el SDK de Voz.

1. Cree un proyecto de consola de C++ en Visual Studio Community denominado SpeechSynthesis.

2. Reemplace el contenido de SpeechSynthesis.cpp por el código siguiente:

   #include <iostream> 
   #include <stdlib.h>
   #include <speechapi_cxx.h>
   
   using namespace Microsoft::CognitiveServices::Speech;
   using namespace Microsoft::CognitiveServices::Speech::Audio;
   
   std::string GetEnvironmentVariable(const char* name);
   
   int main()
   {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       auto speechKey = GetEnvironmentVariable("SPEECH_KEY");
       auto endpoint = GetEnvironmentVariable("ENDPOINT");
   
       if ((size(speechKey) == 0) || (size(endpoint) == 0)) {
           std::cout << "Please set both SPEECH_KEY and ENDPOINT environment variables." << std::endl;
           return -1;
       }
   
       auto speechConfig = SpeechConfig::FromEndpoint(speechKey, endpoint);
   
       // The neural multilingual voice can speak different languages based on the input text.
       speechConfig->SetSpeechSynthesisVoiceName("en-US-Ava:DragonHDLatestNeural");
   
       auto speechSynthesizer = SpeechSynthesizer::FromConfig(speechConfig);
   
       // Get text from the console and synthesize to the default speaker.
       std::cout << "Enter some text that you want to speak >" << std::endl;
       std::string text;
       getline(std::cin, text);
   
       auto result = speechSynthesizer->SpeakTextAsync(text).get();
   
       // Checks result.
       if (result->Reason == ResultReason::SynthesizingAudioCompleted)
       {
           std::cout << "Speech synthesized to speaker for text [" << text << "]" << std::endl;
       }
       else if (result->Reason == ResultReason::Canceled)
       {
           auto cancellation = SpeechSynthesisCancellationDetails::FromResult(result);
           std::cout << "CANCELED: Reason=" << (int)cancellation->Reason << std::endl;
   
           if (cancellation->Reason == CancellationReason::Error)
           {
               std::cout << "CANCELED: ErrorCode=" << (int)cancellation->ErrorCode << std::endl;
               std::cout << "CANCELED: ErrorDetails=[" << cancellation->ErrorDetails << "]" << std::endl;
               std::cout << "CANCELED: Did you set the speech resource key and endpoint values?" << std::endl;
           }
       }
   
       std::cout << "Press enter to exit..." << std::endl;
       std::cin.get();
   }
   
   std::string GetEnvironmentVariable(const char* name)
   {
   #if defined(_MSC_VER)
       size_t requiredSize = 0;
       (void)getenv_s(&requiredSize, nullptr, 0, name);
       if (requiredSize == 0)
       {
           return "";
       }
       auto buffer = std::make_unique<char[]>(requiredSize);
       (void)getenv_s(&requiredSize, buffer.get(), requiredSize, name);
       return buffer.get();
   #else
       auto value = getenv(name);
       return value ? value : "";
   #endif
   }  
   

3. Seleccione Herramientas>Administrador de paquetes Nuget>Consola del Administrador de paquetes. En la consola del administrador de paquetes, ejecute este comando:

   Install-Package Microsoft.CognitiveServices.Speech
   

4. Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

5. Para iniciar la síntesis de voz en el altavoz predeterminado, compile y ejecute la nueva aplicación de consola.

   Importante

   Asegúrese de establecer las SPEECH_KEYENDPOINT y . Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

6. Escriba algún texto que quiera expresar. Por ejemplo, escriba Estoy encantado de probar texto a voz. Seleccione la tecla Entrar para escuchar la voz sintetizada.

   Enter some text that you want to speak >
   I'm excited to try text to speech
   

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación SpeakTextAsync para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Paquete (Go) | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración del entorno

Instale el SDK de Voz para el lenguaje Go. Para obtener instrucciones de instalación detalladas, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace your-endpoint por el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Creación de la aplicación

Siga estos pasos para crear un módulo de Go.

1. Abra una ventana del símbolo del sistema en la carpeta donde desee el nuevo proyecto. Cree un nuevo archivo denominado speech-synthesis.go.

2. Copie el siguiente código en speech-synthesis.go:

   package main
   
   import (
       "bufio"
       "fmt"
       "os"
       "strings"
       "time"
   
       "github.com/Microsoft/cognitive-services-speech-sdk-go/audio"
       "github.com/Microsoft/cognitive-services-speech-sdk-go/common"
       "github.com/Microsoft/cognitive-services-speech-sdk-go/speech"
   )
   
   func synthesizeStartedHandler(event speech.SpeechSynthesisEventArgs) {
       defer event.Close()
       fmt.Println("Synthesis started.")
   }
   
   func synthesizingHandler(event speech.SpeechSynthesisEventArgs) {
       defer event.Close()
       fmt.Printf("Synthesizing, audio chunk size %d.\n", len(event.Result.AudioData))
   }
   
   func synthesizedHandler(event speech.SpeechSynthesisEventArgs) {
       defer event.Close()
       fmt.Printf("Synthesized, audio length %d.\n", len(event.Result.AudioData))
   }
   
   func cancelledHandler(event speech.SpeechSynthesisEventArgs) {
       defer event.Close()
       fmt.Println("Received a cancellation.")
   }
   
   func main() {
       // This example requires environment variables named "SPEECH_KEY" and "SPEECH_REGION"
       speechKey :=  os.Getenv("SPEECH_KEY")
       speechRegion := os.Getenv("SPEECH_REGION")
   
       audioConfig, err := audio.NewAudioConfigFromDefaultSpeakerOutput()
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer audioConfig.Close()
       speechConfig, err := speech.NewSpeechConfigFromSubscription(speechKey, speechRegion)
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer speechConfig.Close()
   
       speechConfig.SetSpeechSynthesisVoiceName("en-US-Ava:DragonHDLatestNeural")
   
       speechSynthesizer, err := speech.NewSpeechSynthesizerFromConfig(speechConfig, audioConfig)
       if err != nil {
           fmt.Println("Got an error: ", err)
           return
       }
       defer speechSynthesizer.Close()
   
       speechSynthesizer.SynthesisStarted(synthesizeStartedHandler)
       speechSynthesizer.Synthesizing(synthesizingHandler)
       speechSynthesizer.SynthesisCompleted(synthesizedHandler)
       speechSynthesizer.SynthesisCanceled(cancelledHandler)
   
       for {
           fmt.Printf("Enter some text that you want to speak, or enter empty text to exit.\n> ")
           text, _ := bufio.NewReader(os.Stdin).ReadString('\n')
           text = strings.TrimSuffix(text, "\n")
           if len(text) == 0 {
               break
           }
   
           task := speechSynthesizer.SpeakTextAsync(text)
           var outcome speech.SpeechSynthesisOutcome
           select {
           case outcome = <-task:
           case <-time.After(60 * time.Second):
               fmt.Println("Timed out")
               return
           }
           defer outcome.Close()
           if outcome.Error != nil {
               fmt.Println("Got an error: ", outcome.Error)
               return
           }
   
           if outcome.Result.Reason == common.SynthesizingAudioCompleted {
               fmt.Printf("Speech synthesized to speaker for text [%s].\n", text)
           } else {
               cancellation, _ := speech.NewCancellationDetailsFromSpeechSynthesisResult(outcome.Result)
               fmt.Printf("CANCELED: Reason=%d.\n", cancellation.Reason)
   
               if cancellation.Reason == common.Error {
                   fmt.Printf("CANCELED: ErrorCode=%d\nCANCELED: ErrorDetails=[%s]\nCANCELED: Did you set the speech resource key and region values?\n",
                       cancellation.ErrorCode,
                       cancellation.ErrorDetails)
               }
           }
       }
   }
   

3. Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

4. Ejecute los comandos siguientes para crear un archivo go.mod que vincule a los componentes hospedados en GitHub:

   go mod init speech-synthesis
   go get github.com/Microsoft/cognitive-services-speech-sdk-go
   

   Importante

   Asegúrese de establecer las SPEECH_KEYSPEECH_REGION y . Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

5. Compile y ejecute ahora el código:

   go build
   go run speech-synthesis
   

Observaciones

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración del entorno

Para configurar el entorno, instale el SDK de Voz. El ejemplo de esta guía de inicio rápido funciona con Java Runtime.

1. Instalación de Apache Maven. A continuación, ejecute mvn -v para confirmar que la instalación se ha realizado correctamente.

2. Cree un archivo pom.xml en la raíz del proyecto y copie lo siguiente en él:

   <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
       <modelVersion>4.0.0</modelVersion>
       <groupId>com.microsoft.cognitiveservices.speech.samples</groupId>
       <artifactId>quickstart-eclipse</artifactId>
       <version>1.0.0-SNAPSHOT</version>
       <build>
           <sourceDirectory>src</sourceDirectory>
           <plugins>
           <plugin>
               <artifactId>maven-compiler-plugin</artifactId>
               <version>3.7.0</version>
               <configuration>
               <source>1.8</source>
               <target>1.8</target>
               </configuration>
           </plugin>
           </plugins>
       </build>
       <dependencies>
           <dependency>
           <groupId>com.microsoft.cognitiveservices.speech</groupId>
           <artifactId>client-sdk</artifactId>
           <version>1.43.0</version>
           </dependency>
       </dependencies>
   </project>
   

3. Instale el SDK de Voz y las dependencias.

   mvn clean dependency:copy-dependencies
   

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Creación de la aplicación

Siga estos pasos para crear una aplicación de consola para el reconocimiento de voz.

1. Cree un archivo denominado SpeechSynthesis.java en el mismo directorio raíz del proyecto.

2. Copie el siguiente código en SpeechSynthesis.java:

   import com.microsoft.cognitiveservices.speech.*;
   import com.microsoft.cognitiveservices.speech.audio.*;
   
   import java.util.Scanner;
   import java.util.concurrent.ExecutionException;
   
   public class SpeechSynthesis {
       // This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
       private static String speechKey = System.getenv("SPEECH_KEY");
       private static String endpoint = System.getenv("ENDPOINT");
   
       public static void main(String[] args) throws InterruptedException, ExecutionException {
           SpeechConfig speechConfig = SpeechConfig.fromEndpoint(speechKey, endpoint);
   
           speechConfig.setSpeechSynthesisVoiceName("en-US-Ava:DragonHDLatestNeural"); 
   
           SpeechSynthesizer speechSynthesizer = new SpeechSynthesizer(speechConfig);
   
           // Get text from the console and synthesize to the default speaker.
           System.out.println("Enter some text that you want to speak >");
           String text = new Scanner(System.in).nextLine();
           if (text.isEmpty())
           {
               return;
           }
   
           SpeechSynthesisResult speechSynthesisResult = speechSynthesizer.SpeakTextAsync(text).get();
   
           if (speechSynthesisResult.getReason() == ResultReason.SynthesizingAudioCompleted) {
               System.out.println("Speech synthesized to speaker for text [" + text + "]");
           }
           else if (speechSynthesisResult.getReason() == ResultReason.Canceled) {
               SpeechSynthesisCancellationDetails cancellation = SpeechSynthesisCancellationDetails.fromResult(speechSynthesisResult);
               System.out.println("CANCELED: Reason=" + cancellation.getReason());
   
               if (cancellation.getReason() == CancellationReason.Error) {
                   System.out.println("CANCELED: ErrorCode=" + cancellation.getErrorCode());
                   System.out.println("CANCELED: ErrorDetails=" + cancellation.getErrorDetails());
                   System.out.println("CANCELED: Did you set the speech resource key and endpoint values?");
               }
           }
   
           System.exit(0);
       }
   }
   

3. Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

4. Ejecute la aplicación de consola para que dé como resultado la síntesis de voz en el hablante predeterminado.

   javac SpeechSynthesis.java -cp ".;target\dependency\*"
   java -cp ".;target\dependency\*" SpeechSynthesis
   

   Importante

   Asegúrese de establecer las SPEECH_KEYENDPOINT y . Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

5. Escriba algún texto que quiera expresar. Por ejemplo, escriba Estoy encantado de probar texto a voz. Seleccione la tecla Entrar para escuchar la voz sintetizada.

   Enter some text that you want to speak >
   I'm excited to try text to speech
   

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación SpeakTextAsync para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Paquete (npm) | Ejemplos adicionales en GitHub | Código fuente de la biblioteca

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración

1. Cree una nueva carpeta synthesis-quickstart y vaya a la carpeta quickstart mediante el siguiente comando:

   mkdir synthesis-quickstart && cd synthesis-quickstart
   

2. Cree el package.json con el comando siguiente:

   npm init -y
   

3. Instale el SDK de Voz para JavaScript con:

   npm install microsoft-cognitiveservices-speech-sdk
   

Recuperación de información de recursos

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace your-endpoint por el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Síntesis de voz en un archivo

Para traducir la voz desde un archivo:

1. Cree un nuevo archivo denominado synthesis.js con el siguiente contenido:

   import { createInterface } from "readline";
   import { SpeechConfig, AudioConfig, SpeechSynthesizer, ResultReason } from "microsoft-cognitiveservices-speech-sdk";
   function synthesizeSpeech() {
       const audioFile = "YourAudioFile.wav";
       // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
       const speechConfig = SpeechConfig.fromEndpoint(new URL(ENDPOINT), process.env.SPEECH_KEY);
       const audioConfig = AudioConfig.fromAudioFileOutput(audioFile);
       // The language of the voice that speaks.
       speechConfig.speechSynthesisVoiceName = "en-US-Ava:DragonHDLatestNeural";
       // Create the speech synthesizer.
       const synthesizer = new SpeechSynthesizer(speechConfig, audioConfig);
       const rl = createInterface({
           input: process.stdin,
           output: process.stdout
       });
       rl.question("Enter some text that you want to speak >\n> ", function (text) {
           rl.close();
           // Start the synthesizer and wait for a result.
           synthesizer.speakTextAsync(text, function (result) {
               if (result.reason === ResultReason.SynthesizingAudioCompleted) {
                   console.log("synthesis finished.");
               }
               else {
                   console.error("Speech synthesis canceled, " + result.errorDetails +
                       "\nDid you set the speech resource key and region values?");
               }
               synthesizer.close();
           }, function (err) {
               console.trace("err - " + err);
               synthesizer.close();
           });
           console.log("Now synthesizing to: " + audioFile);
       });
   }
   synthesizeSpeech();
   

   En synthesis.js, opcionalmente puede cambiar el nombre de YourAudioFile.wav a otro nombre de archivo de salida.

   Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

2. Ejecute la aplicación de consola para iniciar la síntesis de voz en un archivo:

   node synthesis.js
   

Salida

Debería ver el resultado siguiente en la ventana de la consola: Siga el mensaje para escribir el texto que desea sintetizar:

Enter some text that you want to speak >
> I'm excited to try text to speech
Now synthesizing to: YourAudioFile.wav
synthesis finished.

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación SpeakTextAsync para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Paquete (descarga) | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración del entorno

El SDK de Voz para Swift se distribuye como un paquete de marcos. El marco admite Objective-C y Swift en iOS y macOS.

El SDK de Voz se puede usar en proyectos de Xcode como CocoaPod o se puede descargar directamente y vincular manualmente. En esta guía se usa CocoaPod. Instale el administrador de dependencias de CocoaPod como se describe en sus instrucciones de instalación.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace your-endpoint por el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Creación de la aplicación

Siga estos pasos para sintetizar la voz en una aplicación de macOS.

1. Clone el repositorio Azure-Samples/cognitive-services-speech-sdk para obtener el proyecto de ejemplo Synthesize audio in Swift on macOS using the Speech SDK (Síntesis de audio en Swift en macOS con el SDK de Voz). El repositorio también tiene ejemplos de iOS.

2. Vaya al directorio de la aplicación de ejemplo descargada (helloworld) en un terminal.

3. Ejecute el comando pod install. Este comando genera un área de trabajo de Xcode helloworld.xcworkspace que contiene la aplicación de ejemplo y el SDK de Voz como dependencia.

4. Abra el área de trabajo helloworld.xcworkspace en Xcode.

5. Abra el archivo llamado AppDelegate.swift y busque los métodos applicationDidFinishLaunching y synthesize tal como se muestra aquí.

   import Cocoa
   
   @NSApplicationMain
   class AppDelegate: NSObject, NSApplicationDelegate, NSTextFieldDelegate {
       var textField: NSTextField!
       var synthesisButton: NSButton!
   
       var inputText: String!
   
       var sub: String!
       var region: String!
   
       @IBOutlet weak var window: NSWindow!
   
       func applicationDidFinishLaunching(_ aNotification: Notification) {
           print("loading")
           // load subscription information
           sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
           region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
   
           inputText = ""
   
           textField = NSTextField(frame: NSRect(x: 100, y: 200, width: 200, height: 50))
           textField.textColor = NSColor.black
           textField.lineBreakMode = .byWordWrapping
   
           textField.placeholderString = "Type something to synthesize."
           textField.delegate = self
   
           self.window.contentView?.addSubview(textField)
   
           synthesisButton = NSButton(frame: NSRect(x: 100, y: 100, width: 200, height: 30))
           synthesisButton.title = "Synthesize"
           synthesisButton.target = self
           synthesisButton.action = #selector(synthesisButtonClicked)
           self.window.contentView?.addSubview(synthesisButton)
       }
   
       @objc func synthesisButtonClicked() {
           DispatchQueue.global(qos: .userInitiated).async {
               self.synthesize()
           }
       }
   
       func synthesize() {
           var speechConfig: SPXSpeechConfiguration?
           do {
               try speechConfig = SPXSpeechConfiguration(subscription: sub, region: region)
           } catch {
               print("error \(error) happened")
               speechConfig = nil
           }
   
           speechConfig?.speechSynthesisVoiceName = "en-US-Ava:DragonHDLatestNeural";
   
           let synthesizer = try! SPXSpeechSynthesizer(speechConfig!)
           let result = try! synthesizer.speakText(inputText)
           if result.reason == SPXResultReason.canceled
           {
               let cancellationDetails = try! SPXSpeechSynthesisCancellationDetails(fromCanceledSynthesisResult: result)
               print("cancelled, error code: \(cancellationDetails.errorCode) detail: \(cancellationDetails.errorDetails!) ")
               print("Did you set the speech resource key and region values?");
               return
           }
       }
   
       func controlTextDidChange(_ obj: Notification) {
           let textFiled = obj.object as! NSTextField
           inputText = textFiled.stringValue
       }
   }
   

6. En AppDelegate.m, use las variables de entorno que estableció anteriormente en la clave de recurso de Voz y en la región.

   sub = ProcessInfo.processInfo.environment["SPEECH_KEY"]
   region = ProcessInfo.processInfo.environment["SPEECH_REGION"]
   

7. Opcionalmente, en AppDelegate.m, incluya un nombre de voz de síntesis de voz como se muestra aquí:

   speechConfig?.speechSynthesisVoiceName = "en-US-Ava:DragonHDLatestNeural";
   

8. Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

9. Para hacer visible la salida de depuración, seleccione Ver>Área de depuración>Activar consola.

10. Para compilar y ejecutar el código de ejemplo, seleccione Producto>Ejecutar en el menú o seleccione el botón Reproducir.

Después de escribir texto y seleccionar el botón de la aplicación, debería oír el audio sintetizado que se reproduce.

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación SpeakText para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Paquete (PyPi) | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración del entorno

El SDK de Voz para Python está disponible como módulo de índice de paquetes de Python (PyPI). El SDK de Voz para Python es compatible con Windows, Linux y macOS.

• En Windows, instale Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017, 2019 y 2022 para su plataforma. Durante la instalación del paquete, es posible que sea necesario reiniciar.
• En Linux debe usar la arquitectura de destino x64.

Instale una versión de Python desde la 3.7 en adelante. Para conocer los requisitos, consulte Instalación del SDK de Voz.

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno para la clave de recurso de Voz y el punto de conexión, abra una ventana de consola y siga las instrucciones del sistema operativo y el entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace tu-punto-de-conexión por uno de los puntos de conexión para su recurso.

setx SPEECH_KEY your-key
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export ENDPOINT=your-endpoint

Creación de la aplicación

Siga estos pasos para crear una aplicación de consola.

1. Abra una ventana del símbolo del sistema en la carpeta donde desee el nuevo proyecto. Cree un archivo denominado speech_synthesis.py.

2. Ejecute este comando para instalar el SDK de voz:

   pip install azure-cognitiveservices-speech
   

3. Copie el siguiente código en speech_synthesis.py:

   import os
   import azure.cognitiveservices.speech as speechsdk
   
   # This example requires environment variables named "SPEECH_KEY" and "ENDPOINT"
   # Replace with your own subscription key and endpoint, the endpoint is like : "https://YourServiceRegion.api.cognitive.microsoft.com"
   speech_config = speechsdk.SpeechConfig(subscription=os.environ.get('SPEECH_KEY'), endpoint=os.environ.get('ENDPOINT'))
   audio_config = speechsdk.audio.AudioOutputConfig(use_default_speaker=True)
   
   # The neural multilingual voice can speak different languages based on the input text.
   speech_config.speech_synthesis_voice_name='en-US-Ava:DragonHDLatestNeural'
   
   speech_synthesizer = speechsdk.SpeechSynthesizer(speech_config=speech_config, audio_config=audio_config)
   
   # Get text from the console and synthesize to the default speaker.
   print("Enter some text that you want to speak >")
   text = input()
   
   speech_synthesis_result = speech_synthesizer.speak_text_async(text).get()
   
   if speech_synthesis_result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
       print("Speech synthesized for text [{}]".format(text))
   elif speech_synthesis_result.reason == speechsdk.ResultReason.Canceled:
       cancellation_details = speech_synthesis_result.cancellation_details
       print("Speech synthesis canceled: {}".format(cancellation_details.reason))
       if cancellation_details.reason == speechsdk.CancellationReason.Error:
           if cancellation_details.error_details:
               print("Error details: {}".format(cancellation_details.error_details))
               print("Did you set the speech resource key and endpoint values?")
   

4. Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

5. Ejecute la nueva aplicación de consola para iniciar la síntesis de voz en el hablante predeterminado.

   python speech_synthesis.py
   

   Importante

   Asegúrese de establecer las SPEECH_KEYENDPOINT y . Si no establece estas variables, se produce un fallo en el ejemplo, con un mensaje de error.

6. Escriba algún texto que quiera expresar. Por ejemplo, escriba Estoy encantado de probar texto a voz. Seleccione la tecla Entrar para escuchar la voz sintetizada.

   Enter some text that you want to speak > 
   I'm excited to try text to speech
   

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación speak_text_async para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Referencia de la API de REST en la conversión de voz en texto | Referencia de la API de REST de conversión de voz en texto para audios de corta duración | Ejemplos adicionales en GitHub

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Establecimiento de variables de entorno

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace your-endpoint por el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Síntesis de voz en un archivo

En un símbolo del sistema, ejecute el siguiente comando cURL. Si lo desea, puede cambiar el nombre de output.mp3 a otro nombre de archivo de salida.

curl --location --request POST "https://%SPEECH_REGION%.tts.speech.microsoft.com/cognitiveservices/v1" ^
--header "Ocp-Apim-Subscription-Key: %SPEECH_KEY%" ^
--header "Content-Type: application/ssml+xml" ^
--header "X-Microsoft-OutputFormat: audio-16khz-128kbitrate-mono-mp3" ^
--header "User-Agent: curl" ^
--data-raw "<speak version='1.0' xml:lang='en-US'><voice xml:lang='en-US' xml:gender='Female' name='en-US-Ava:DragonHDLatestNeural'>my voice is my passport verify me</voice></speak>" --output output.mp3

curl --location --request POST "https://${SPEECH_REGION}.tts.speech.microsoft.com/cognitiveservices/v1" \
--header "Ocp-Apim-Subscription-Key: ${SPEECH_KEY}" \
--header 'Content-Type: application/ssml+xml' \
--header 'X-Microsoft-OutputFormat: audio-16khz-128kbitrate-mono-mp3' \
--header 'User-Agent: curl' \
--data-raw '<speak version='\''1.0'\'' xml:lang='\''en-US'\''>
    <voice xml:lang='\''en-US'\'' xml:gender='\''Female'\'' name='\''en-US-Ava:DragonHDLatestNeural'\''>
        my voice is my passport verify me
    </voice>
</speak>' > output.mp3

curl --location --request POST "https://${SPEECH_REGION}.tts.speech.microsoft.com/cognitiveservices/v1" \
--header "Ocp-Apim-Subscription-Key: ${SPEECH_KEY}" \
--header 'Content-Type: application/ssml+xml' \
--header 'X-Microsoft-OutputFormat: audio-16khz-128kbitrate-mono-mp3' \
--header 'User-Agent: curl' \
--data-raw '<speak version='\''1.0'\'' xml:lang='\''en-US'\''>
    <voice xml:lang='\''en-US'\'' xml:gender='\''Female'\'' name='\''en-US-Ava:DragonHDLatestNeural'\''>
        my voice is my passport verify me
    </voice>
</speak>' > output.mp3

El texto proporcionado debe enviarse a un archivo de audio denominado output.mp3.

Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

Para más información, consulte API REST de texto a voz.

Observaciones

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.

Documentación de referencia | Paquete (npm) | Ejemplos adicionales en GitHub | Código fuente de la biblioteca

Con Azure Speech in Foundry Tools, puede ejecutar una aplicación que sintetiza una voz similar a la humana para leer texto. Puede cambiar la voz, escribir texto para que se hable y escuchar la salida en el altavoz del equipo.

Requisitos previos

Configuración

1. Cree una nueva carpeta synthesis-quickstart y vaya a la carpeta quickstart mediante el siguiente comando:

   mkdir synthesis-quickstart && cd synthesis-quickstart
   

2. Cree el package.json con el comando siguiente:

   npm init -y
   

3. Actualice el package.json a ECMAScript con el siguiente comando:

   npm pkg set type=module
   

4. Instale el SDK de Voz para JavaScript con:

   npm install microsoft-cognitiveservices-speech-sdk
   

5. Debe instalar las definiciones de tipo Node.js para evitar errores de TypeScript. Ejecute el siguiente comando:

   npm install --save-dev @types/node
   

Recuperación de información de recursos

Debe autenticar su aplicación para acceder a Herramientas de Foundry. Este artículo le muestra cómo utilizar variables de entorno para almacenar sus credenciales. Ahora puede acceder a las variables de entorno desde su código para autenticar su aplicación. Para la producción, utilice una forma más segura de almacenar y acceder a sus credenciales.

Para establecer las variables de entorno de su clave de recursos de voz y de su región, abra una ventana de la consola y siga las instrucciones correspondientes a su sistema operativo y a su entorno de desarrollo.

• Para establecer la variable de entorno de SPEECH_KEY, reemplace su clave por una de las claves del recurso.
• Para establecer la variable de entorno de SPEECH_REGION, reemplace su región por una de las regiones del recurso.
• Para establecer la ENDPOINT variable de entorno, reemplace your-endpoint por el punto de conexión real del recurso de Voz.

setx SPEECH_KEY your-key
setx SPEECH_REGION your-region
setx ENDPOINT your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

export SPEECH_KEY=your-key
export SPEECH_REGION=your-region
export ENDPOINT=your-endpoint

Síntesis de voz en un archivo

Para traducir la voz desde un archivo:

1. Cree un nuevo archivo denominado synthesis.ts con el siguiente contenido:

   import { createInterface } from "readline";
   import { 
       SpeechConfig, 
       AudioConfig, 
       SpeechSynthesizer, 
       ResultReason,
       SpeechSynthesisResult 
   } from "microsoft-cognitiveservices-speech-sdk";
   
   function synthesizeSpeech(): void {
       const audioFile = "YourAudioFile.wav";
       // This example requires environment variables named "ENDPOINT" and "SPEECH_KEY"
       const speechConfig: SpeechConfig = SpeechConfig.fromEndpoint(new URL(process.env.ENDPOINT!), process.env.SPEECH_KEY!);
       const audioConfig: AudioConfig = AudioConfig.fromAudioFileOutput(audioFile);
   
       // The language of the voice that speaks.
       speechConfig.speechSynthesisVoiceName = "en-US-Ava:DragonHDLatestNeural";
   
       // Create the speech synthesizer.
       const synthesizer: SpeechSynthesizer = new SpeechSynthesizer(speechConfig, audioConfig);
   
       const rl = createInterface({
           input: process.stdin,
           output: process.stdout
       });
   
       rl.question("Enter some text that you want to speak >\n> ", function (text: string) {
           rl.close();
           // Start the synthesizer and wait for a result.
           synthesizer.speakTextAsync(text,
               function (result: SpeechSynthesisResult) {
                   if (result.reason === ResultReason.SynthesizingAudioCompleted) {
                       console.log("synthesis finished.");
                   } else {
                       console.error("Speech synthesis canceled, " + result.errorDetails +
                           "\nDid you set the speech resource key and region values?");
                   }
                   synthesizer.close();
               },
               function (err: string) {
                   console.trace("err - " + err);
                   synthesizer.close();
               });
           console.log("Now synthesizing to: " + audioFile);
       });
   }
   
   synthesizeSpeech();
   

   En synthesis.ts, opcionalmente puede cambiar el nombre de YourAudioFile.wav a otro nombre de archivo de salida.

   Para cambiar el idioma de la síntesis de voz, sustituya en-US-Ava:DragonHDLatestNeural por otra voz compatible.

   Todas las voces neuronales son multilingües y fluidas en su propio idioma y en inglés. Por ejemplo, si el texto de entrada en inglés es I'm excited to try text to speech (estoy encantado de probar texto a voz) y establece es-ES-Ximena:DragonHDLatestNeural, el texto se hablará en inglés con acento español. Si la voz no habla el idioma del texto de entrada, el servicio Voz no genera audio sintetizado.

2. Cree el archivo tsconfig.json para transpilar el código TypeScript y copie el código siguiente para ECMAScript.

   {
       "compilerOptions": {
         "module": "NodeNext",
         "target": "ES2022", // Supports top-level await
         "moduleResolution": "NodeNext",
         "skipLibCheck": true, // Avoid type errors from node_modules
         "strict": true // Enable strict type-checking options
       },
       "include": ["*.ts"]
   }
   

3. Transpile de TypeScript a JavaScript.

   tsc
   

   Este comando no debe generar ninguna salida si se ejecuta correctamente.

4. Ejecute la aplicación de consola para iniciar la síntesis de voz en un archivo:

   node synthesis.js
   

Salida

Debería ver el resultado siguiente en la ventana de la consola: Siga el mensaje para escribir el texto que desea sintetizar:

Enter some text that you want to speak >
> I'm excited to try text to speech
Now synthesizing to: YourAudioFile.wav
synthesis finished.

Observaciones

Más opciones de síntesis de voz

En este inicio rápido se usa la operación SpeakTextAsync para sintetizar un bloque corto de texto escrito. También puede usar texto de forma larga desde un archivo y obtener un control más preciso sobre estilos de voz, prosodia y otras configuraciones.

• Para información sobre la síntesis de voz a partir de un archivo y un control más preciso de los estilos de voz, la prosodia y otros ajustes, consulte Síntesis de voz a partir de texto e Información general sobre el lenguaje de marcado de síntesis de voz (SSML).
• Para obtener información sobre la síntesis de texto a voz en formato largo, API de síntesis por lotes de texto a voz.

Voces de texto a voz de OpenAI en Voz de Azure Speech en Foundry Tools

También se admiten voces de texto a voz de OpenAI. Consulte las voces de texto a voz de OpenAI en Azure Speech y voces multilingües. Puede reemplazar en-US-Ava:DragonHDLatestNeural por un nombre de voz de OpenAI compatible, como en-US-FableMultilingualNeural.

Limpieza de recursos

Puede usar Azure Portal o la Interfaz de la línea de comandos (CLI) de Azure para quitar el recurso de Voz que creó.