Технологиялар

Эмоциялы сөйлеу синтезі: роботты қалай ашуландыруға, қуандыруға және сыбырлатуға болады

← Барлық мақалалар

Бір рет естіген оңай. Төменде бір фраза екі рет синтезделген. Жазбалардың айырмасы біреу ғана: екіншісінде мәтіннің алдында тік жақшада нұсқау тұр.

Ассалаумағалейкум! [ашулы] Қайда жоғалып кеттің? Сені қашанғы күтемін?
Белгісіз
Белгімен

Бұл әртүрлі дауыстар да, дыбысты қолмен өңдеу де емес. Дауыс та, мәтін де, «Синтездеу» батырмасы да сол біреу. Жақшаға бір сөз қосылды, сөйтіп бүкіл фразаның айтылу мәнері өзгерді. Қарқыны, екпіні, сөз соңдарын жұтып айтуы.

Неге бұрын бұлай мүмкін болмады

Классикалық синтезді диктордың студиялық жазбаларынан құрастыратын. Адам микрофонға сағаттап мәтін оқыды, ал басты талап бірқалыпты оқу болды. Бейтарап үнмен, ешбір серпіліссіз, кейін осы үзінділерден кез келген фраза құралып, жалғаулары құлақты тітіркендірмейтіндей етіп.

Бастапқы материалда эмоция әдейі болмады, оны арнайы тазалап отырды. Автожауапбергіштердің таныс дыбысы осыдан шыққан: техникалық жағынан бәрі таза, бірақ тірі ештеңе қалмаған.

Жаңа дауыстар басқаша құрылған. Олар адамдар өмірде қалай сөйлесе, дәл сондай тірі сөйлеуден өсіп шықты. Үзілістерімен, жылдамдауымен, кешке қарай шаршауымен, фраза ортасындағы күлкісімен. Мұндай материалда интонация әрқашан бар, оны сөзден бөліп алу мүмкін емес.

Сондықтан жаңа дауысқа эмоцияны бейнелеудің қажеті жоқ. Ол онда бұрыннан бар, ал жақшадағы нұсқау тек қайсысын шығару керегін таңдайды.

Іс жүзінде бұл қалай көрінеді

Белгі мәтіннің өзіне, ол қатысты бөліктің алдына қойылады. Ол дауыстап айтылмайды.

Сәлеметсіз бе! [қуанышпен] Тапсырысыңыз жолда, курьер бір сағаттан кейін келеді.

Сәлеметсіз бе! [қуанышпен] Тапсырысыңыз жолда, курьер бір сағаттан кейін келеді.
Белгісіз
Белгімен

Бізде рұқсат етілген сөздер тізімі жоқ. Тірі адамға сөйлеу мәнерін сипаттағанда қолданатын кез келген дерлік сөз жарайды.

  • [қуанышпен]
  • [мұңайып]
  • [сыбырлап]
  • [шаршап]
  • [қатаң]
  • [күліп]
  • [таңданып]
  • [сабырмен]
  • [толқып]

Мұнда тәжірибе жасап көрген жөн. Модель біз ешқашан тексермеген сипаттамаларды да түсінеді, ал синтез тиын тұрады. Болжап отырғанша, үш нұсқаны сынап, ең жақсысын таңдау арзанға түседі.

Біздің құлағымызға ең күшті әсерді сыбыр береді. Ол дауыс қаттылығын ғана емес, бүкіл мәнерді өзгертеді.

[сыбырлап] Тек өз арамызда: ертең отыз пайыз жеңілдік болады.
Белгісіз
Белгімен

Бұл шынымен қай жерде көмектеседі

Бірқалыпты дауыспен оқылған жазылу туралы еске салу жүйе хабарламасы сияқты қабылданады. Сол мәтін сабырлы әрі адамша айтылса, клиника әкімшісінің қоңырауына жақын естіледі. Екіншісін соңына дейін жиірек тыңдайды.

Жақсы жаңалықтарда да солай. Қуанышты интонациямен және онсыз айтылған «Тапсырысыңыз дайын» сөздері бірдей болса да, екі түрлі хабар сияқты қабылданады.

Жеке үндеулердің жөні бөлек. Құттықтаулар, шақырулар, тұрақты клиенттерге алғыс. Мұнда бірқалыпты үн ең нашар жұмыс істейді, өйткені механикалық құттықтау құттықтамағаннан да қаттырақ ренжітеді.

Эмоцияны қай жерде қолданбаған жөн

Интонациямен қысым жасау ең нашар нәтиже береді. Суық қоңырау науқанындағы ашулы немесе алаңдаулы дауыс айла-шарғы ретінде қабылданады. Адам сіздің компанияңызды білмейді, ал ол ең алдымен қысымды естиді. Мұндай науқандар шағымды басқалардан тезірек жинайды, ал бізде қоңырауға шағым түсіру бірнеше рет басумен жасалады.

Бұған жалған асығыстық та жақын. Қарыз туралы хабардағы «толқып» белгісі алаяқтардың әдісіне тым ұқсайды, адамдар мұны бірден аңғарады. Хабарға деген сеніммен бірге жіберушіге деген сенім де жоғалады.

Ал фраза қызметтік болса, мысалы уақыт, мекенжай немесе растау коды, онда бірқалыпты бейтарап үн дұрыс болады. SMS арқылы келетін кодты қуанышпен оқу достық емес, оғаш естіледі.

Алдын ала білген жөн екі шектеу

Эмоцияны барлық дауыс түсінбейді, классикалық дауыстар мұны істей алмайды. Жеке кабинетте тізімнің астындағы кеңес тек қолдайтын дауыстарда шығады, ал API арқылы мұны GET /sounds/voices жауабындағы emotions өрісінен көруге болады. Қолдамайтын дауысқа белгі қойсаңыз, ол синтез алдында алынып тасталады. Мәтін онсыз дыбысталады, қате болмайды.

«Мәтінді айту» элементінде де эмоциялар жұмыс істемейді. Мұндай мәтін сөйлесу барысында дыбысталады, жылдамдық үшін онда классикалық дауыс қолданылады. Жаңа дауыс бірнеше секунд синтезделер еді, ал абонент үнсіздік тыңдап отырар еді. Сценарийде эмоция керек болса, аудиожазбаны «Аудиожазбалар» бетінде алдын ала дайындап, оны «Аудионы ойнату» элементімен қойыңыз. Сонымен қатар нәтижені клиенттерден бұрын өзіңіз естисіз.

Жиі қойылатын сұрақтар

Синтезделген сөйлеуге эмоцияны қалай қосуға болады?

Фразаның алдына тік жақшада нұсқау қойыңыз, мысалы: «Сәлеметсіз бе! [қуанышпен] Тапсырысыңыз жолда». Нұсқау мәтіннің келесі бөлігін қалай айту керегін көрсетеді және дауыстап оқылмайды. Кез келген дерлік сөз жарайды: «қуанышпен» мен «шаршап» сөздерінен бастап «сыбырлап» пен «күліп» сөздеріне дейін.

Барлық дауыс эмоцияны қолдай ма?

Жоқ, тек жаңалары. Жеке кабинетте қолдайтын дауыс таңдалғанда тізімнің астында кеңес шығады, ал API арқылы мұны GET /sounds/voices жауабындағы emotions өрісінен көруге болады. Классикалық дауыстарда белгілер синтез алдында алынып тасталады. Мәтін оларсыз дыбысталады, қате болмайды.

Ескі дауыстар неге бұлай істей алмайды?

Классикалық синтезді диктордың студиялық жазбаларынан құрастыратын. Фразаларды бір-біріне жалғай алу үшін олар әдейі бірқалыпты үнмен оқылды. Бұл материалда эмоция мүлде болған жоқ. Жаңа дауыстар интонация әрқашан болатын тірі сөйлеуден өсіп шықты, сондықтан оларға эмоцияны бейнелеудің қажеті жоқ. Қайсысын шығару керегін көрсету жеткілікті.

Сценарийдегі «Мәтінді айту» элементінде эмоциялар жұмыс істей ме?

Жоқ. Мұндай мәтін сөйлесу барысында дыбысталады, жылдамдық үшін классикалық дауыс қолданылады. Жаңа дауыс бірнеше секунд синтезделер еді, ал абонент үнсіздік тыңдап отырар еді. Белгілер онда автоматты түрде алынып тасталады. Сценарийде эмоция керек болса, аудиожазбаны алдын ала дайындап, оны «Аудионы ойнату» элементімен қойыңыз.

Эмоциямен синтездеу қанша тұрады?

Тарифіңіз бойынша кәдімгі синтезбен бірдей. Интонация белгісі жеке қызмет емес, мәтіннің бір бөлігі болып саналады және құнына әсер етпейді.

Қазір-ақ байқап көруге болады. Дыбыстау қалай жұмыс істейтінін дауыстық хабарлама тарату беті түсіндіреді, ал жеке кабинетте «Аудиожазбалар» бөлімін ашып, жаңа дауысты таңдап, жақшаға кез келген белгі қойып мәтін жазу жеткілікті. Нәтиже ешкімге жіберілмей тұрып-ақ бірден естіледі.

Мәтініңізді эмоциямен дыбыстаңыз

Синтез тіркелгеннен кейін бірден қолжетімді. Фразаңыз қалай естілетінін тыңдап көріңіз.

Тегін қолданып көру →