Подключиться
Yandex SpeechKit

Как начать работать со SpeechKit

Статья создана

Если вы хотите попробовать, как сервис синтезирует или распознает речь, воспользуйтесь демо на странице сервиса.

В этом разделе вы научитесь использовать SpeechKit API. Сначала вы создадите аудиофайл из текста, а потом попробуете его распознать.

О стоимости использования сервиса SpeechKit см. Правила тарификации для SpeechKit.

Перед началом работы

Чтобы воспользоваться примерами, установите cURL и получите данные вашего аккаунта для авторизации:

  1. На странице биллинга убедитесь, что платежный аккаунт находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его.
  2. Получите IAM-токен, необходимый для аутентификации.
  3. Получите идентификатор любого каталога, на который у вашего аккаунта есть роль editor или выше.

  1. Выберите способ аутентификации:

    • Получите IAM-токен, используемый в примерах.

    • Создайте API-ключ. Передайте API-ключ в заголовке Authorization в следующем формате:

      Authorization: Api-Key <API-ключ>

  2. Назначьте сервисному аккаунту роль editor или выше на каталог, в котором он был создан.

    Не указывайте в запросах идентификатор каталога — сервис использует каталог, в котором был создан сервисный аккаунт.

  1. Аутентифицируйтесь в CLI от имени федеративного пользователя.

  2. С помощью CLI получите IAM-токен, необходимый для аутентификации:

    yc iam create-token

  3. Получите идентификатор любого каталога, на который у вашего аккаунта есть роль editor или выше.

Преобразование текста в речь

С помощью синтеза речи вы сможете превратить текст в речь и сохранить ее в аудиофайл.

Отправьте запрос на преобразование текста в речь:

read -r -d '' TEXT << EOM
> Я Яндекс Спичк+ит.
> Я могу превратить любой текст в речь.
> Теперь и в+ы — можете!
EOM
export FOLDER_ID=<идентификатор каталога>
export IAM_TOKEN=<IAM-токен>
curl -X POST \
   -H "Authorization: Bearer ${IAM_TOKEN}" \
   --data-urlencode "text=${TEXT}" \
   -d "lang=ru-RU&voice=filipp&folderId=${FOLDER_ID}" \
   "https://tts.api.cloud.yandex.net/speech/v1/tts:synthesize" > speech.ogg

Где:

  • TEXT — текст c примененным URL-кодированием, который нужно распознать.
  • FOLDER_ID — идентификатор каталога, полученный перед началом работы.
  • IAM_TOKEN — IAM-токен, полученный перед началом работы.
  • lang — язык текста.
  • voice — голос для синтеза речи.
  • speech.ogg – файл, в который будет записан ответ.

Примечание

Для передачи слов-омографов используйте + перед ударной гласной: з+амок, зам+ок. Чтобы отметить паузу между словами, используйте -. Ограничение на длину строки: 500 символов.

Синтезированная речь будет записана в файл speech.ogg в директории, из которой вы выполнили эту команду.

По умолчанию аудио создается в формате OggOpus. Прослушать созданный файл можно в браузере, например в Яндекс.Браузере или Mozilla Firefox.

Подробнее про формат запроса на синтез речи.

Распознавание речи

Сервис позволяет распознавать речь различными способами. В этом разделе используется синхронное распознавание.

Передайте двоичное содержимое аудиофайла в теле запроса, указав в параметрах запроса:

  • lang — нужный вам язык распознавания.
  • folderId — идентификатор каталога, полученный перед началом.
curl -X POST \
   -H "Authorization: Bearer ${IAM_TOKEN}" \
   --data-binary "@speech.ogg" \
   "https://stt.api.cloud.yandex.net/speech/v1/stt:recognize?folderId=${FOLDER_ID}&lang=ru-RU"

В ответе сервис вернет распознанный текст:

{"result":"Я яндекс спичкит я могу превратить любой текст в речь теперь вы можете"}

Что дальше

В этой статье: