Python ile Text-to-Speech API kullanma

1. Genel Bakış

Text-to-Speech API, geliştiricilerin insan sesine benzer konuşmalar üretmesini sağlar. API, metni WAV, MP3 veya Ogg Opus gibi ses biçimlerine dönüştürür. Ayrıca duraklamaları, sayıları, tarih ve saat biçimlendirmesini ve diğer telaffuz talimatlarını belirtmek için Speech Synthesis Markup Language (SSML) girişlerini de destekler.

Bu eğitimde, Text-to-Speech API'yi Python ile kullanmaya odaklanacaksınız.

Neler öğreneceksiniz?

• Ortamınızı ayarlama
• Desteklenen dilleri listeleme
• Kullanılabilir sesleri listeleme
• Metinden ses sentezleme

Gerekenler

• Google Cloud projesi
• Chrome veya Firefox gibi bir tarayıcı
• Python kullanma konusunda bilgi sahibi olma

Anket

Bu eğitimi nasıl kullanacaksınız?

Yalnızca okuyun Okuyun ve alıştırmaları tamamlayın

Python ile ilgili deneyiminizi nasıl değerlendirirsiniz?

Yeni başlayan Orta düzey Uzman

Google Cloud hizmetleriyle ilgili deneyiminizi nasıl değerlendirirsiniz?

Başlangıç Orta İleri

2. Kurulum ve şartlar

Yönlendirmesiz ortam kurulumu

1. Google Cloud Console'da oturum açın ve yeni bir proje oluşturun veya mevcut bir projeyi yeniden kullanın. Gmail veya Google Workspace hesabınız yoksa hesap oluşturmanız gerekir.

• Proje adı, bu projenin katılımcıları için görünen addır. Google API'leri tarafından kullanılmayan bir karakter dizesidir. Bu bilgiyi istediğiniz zaman güncelleyebilirsiniz.
• Proje kimliği, tüm Google Cloud projelerinde benzersizdir ve sabittir (ayarlandıktan sonra değiştirilemez). Cloud Console, benzersiz bir dizeyi otomatik olarak oluşturur. Genellikle bu dizenin ne olduğuyla ilgilenmezsiniz. Çoğu codelab'de proje kimliğinize (genellikle PROJECT_ID olarak tanımlanır) başvurmanız gerekir. Oluşturulan kimliği beğenmezseniz başka bir rastgele kimlik oluşturabilirsiniz. Dilerseniz kendi adınızı deneyerek kullanılabilir olup olmadığını kontrol edebilirsiniz. Bu adım tamamlandıktan sonra değiştirilemez ve proje süresince geçerli kalır.
• Bazı API'lerin kullandığı üçüncü bir değer olan Proje Numarası da vardır. Bu üç değer hakkında daha fazla bilgiyi belgelerde bulabilirsiniz.

Dikkat: Proje kimliği genel olarak benzersizdir ve seçildikten sonra başka bir kullanıcı tarafından kullanılamaz. Bu kimliğin tek kullanıcısı sizsiniz. Proje silinse bile kimlik tekrar kullanılamaz.

Not: Gmail hesabı kullanıyorsanız varsayılan konumu Kuruluş yok olarak bırakabilirsiniz. Google Workspace hesabı kullanıyorsanız kuruluşunuz için uygun bir konum seçin.

2. Ardından, Cloud kaynaklarını/API'lerini kullanmak için Cloud Console'da faturalandırmayı etkinleştirmeniz gerekir. Bu codelab'i tamamlamak neredeyse hiç maliyetli değildir. Bu eğitimin ötesinde faturalandırılmayı önlemek için kaynakları kapatmak üzere oluşturduğunuz kaynakları veya projeyi silebilirsiniz. Yeni Google Cloud kullanıcıları 300 ABD doları değerinde ücretsiz deneme programından yararlanabilir.

Cloud Shell'i başlatma

Google Cloud, dizüstü bilgisayarınızdan uzaktan çalıştırılabilir ancak bu codelab'de bulutta çalışan bir komut satırı ortamı olan Cloud Shell'i kullanacaksınız.

Cloud Shell'i etkinleştirme

1. Cloud Console'da Cloud Shell'i etkinleştir 'i tıklayın.

Cloud Shell'i ilk kez başlatıyorsanız ne olduğunu açıklayan bir ara ekran gösterilir. Ara ekran gösterildiyse Devam'ı tıklayın.

Cloud Shell'in temel hazırlığı ve bağlanması yalnızca birkaç dakikanızı alır.

Bu sanal makineye, ihtiyaç duyacağınız tüm geliştirme araçları yüklenmiştir. 5 GB boyutunda kalıcı bir ana dizin bulunur ve Google Cloud'da çalışır. Bu sayede ağ performansı ve kimlik doğrulama önemli ölçüde güçlenir. Bu codelab'deki çalışmalarınızın neredeyse tamamını tarayıcıyla yapabilirsiniz.

Cloud Shell'e bağlandıktan sonra kimliğinizin doğrulandığını ve projenin, proje kimliğinize ayarlandığını görürsünüz.

2. Kimliğinizin doğrulandığını onaylamak için Cloud Shell'de şu komutu çalıştırın:

gcloud auth list

Komut çıkışı

 Credentialed Accounts
ACTIVE  ACCOUNT
*       <my_account>@<my_domain.com>

To set the active account, run:
    $ gcloud config set account `ACCOUNT`

Not: gcloud komut satırı aracı, Google Cloud'daki güçlü ve birleştirilmiş komut satırı aracıdır. Cloud Shell'e önceden yüklenmiştir. Sekme tamamlama desteğini fark edeceksiniz. Bir komutu ilk kez çalıştırdığınızda kimlik doğrulamanız istenebilir. Daha fazla bilgi için gcloud komut satırı aracına genel bakış başlıklı makaleyi inceleyin.

3. gcloud komutunun projeniz hakkında bilgi sahibi olduğunu onaylamak için Cloud Shell'de aşağıdaki komutu çalıştırın:

gcloud config list project

Komut çıkışı

[core]
project = <PROJECT_ID>

Değilse şu komutla ayarlayabilirsiniz:

gcloud config set project <PROJECT_ID>

Komut çıkışı

Updated property [core/project].

Not: Bu eğitimi Cloud Shell dışında tamamlıyorsanız Uygulama Varsayılan Kimlik Bilgileri'ni ayarlama başlıklı makaledeki adımları uygulayın.

3. Ortam kurulumu

Text-to-Speech API'yi kullanmaya başlamadan önce API'yi etkinleştirmek için Cloud Shell'de aşağıdaki komutu çalıştırın:

gcloud services enable texttospeech.googleapis.com

Aşağıdakine benzer bir tablo görürsünüz:

Operation "operations/..." finished successfully.

Artık Text-to-Speech API'yi kullanabilirsiniz.

Ana dizininize gidin:

cd ~

Bağımlılıkları izole etmek için Python sanal ortamı oluşturun:

virtualenv venv-texttospeech

Sanal ortamı etkinleştirin:

source venv-texttospeech/bin/activate

Sanal ortamı kullanmayı bırakıp sisteminizdeki Python sürümüne geri dönmek için deactivate komutunu kullanabilirsiniz.

IPython'ı ve Text-to-Speech API istemci kitaplığını yükleyin:

pip install ipython google-cloud-texttospeech

Aşağıdakine benzer bir tablo görürsünüz:

...
Installing collected packages: ..., ipython, google-cloud-texttospeech
Successfully installed ... google-cloud-texttospeech-2.16.3 ...

Artık Text-to-Speech API istemci kitaplığını kullanmaya hazırsınız.

Cloud Shell dışında kendi Python geliştirme ortamınızı kuruyorsanız bu kuralları uygulayabilirsiniz.

Sonraki adımlarda, önceki adımda yüklediğiniz IPython adlı etkileşimli bir Python yorumlayıcısı kullanacaksınız. Cloud Shell'de ipython komutunu çalıştırarak bir oturum başlatın:

ipython

Aşağıdakine benzer bir tablo görürsünüz:

Python 3.9.2 (default, Feb 28 2021, 17:03:44)
Type 'copyright', 'credits' or 'license' for more information
IPython 8.18.1 -- An enhanced Interactive Python. Type '?' for help.

In [1]:

Gerekirse exit komutuyla IPython oturumunuzdan çıkabilirsiniz.

İlk isteğinizi göndermeye ve desteklenen dilleri listelemeye hazırsınız...

4. Desteklenen dilleri listeleme

Bu bölümde, desteklenen tüm dillerin listesini bulabilirsiniz.

Aşağıdaki kodu IPython oturumunuza kopyalayın:

from typing import Sequence

import google.cloud.texttospeech as tts


def unique_languages_from_voices(voices: Sequence[tts.Voice]):
    language_set = set()
    for voice in voices:
        for language_code in voice.language_codes:
            language_set.add(language_code)
    return language_set


def list_languages():
    client = tts.TextToSpeechClient()
    response = client.list_voices()
    languages = unique_languages_from_voices(response.voices)

    print(f" Languages: {len(languages)} ".center(60, "-"))
    for i, language in enumerate(sorted(languages)):
        print(f"{language:>10}", end="\n" if i % 5 == 4 else "")
        

Kodu inceleyerek desteklenen dillerin listesini oluşturmak için list_voices istemci kitaplığı yönteminin nasıl kullanıldığını öğrenin.

İşlevi çağırın:

list_languages()

Aşağıdaki (veya daha büyük) listeyi görmelisiniz:

---------------------- Languages: 58 -----------------------
     af-ZA     am-ET     ar-XA     bg-BG     bn-IN
     ca-ES    cmn-CN    cmn-TW     cs-CZ     da-DK
     de-DE     el-GR     en-AU     en-GB     en-IN
     en-US     es-ES     es-US     eu-ES     fi-FI
    fil-PH     fr-CA     fr-FR     gl-ES     gu-IN
     he-IL     hi-IN     hu-HU     id-ID     is-IS
     it-IT     ja-JP     kn-IN     ko-KR     lt-LT
     lv-LV     ml-IN     mr-IN     ms-MY     nb-NO
     nl-BE     nl-NL     pa-IN     pl-PL     pt-BR
     pt-PT     ro-RO     ru-RU     sk-SK     sr-RS
     sv-SE     ta-IN     te-IN     th-TH     tr-TR
     uk-UA     vi-VN    yue-HK

PermissionDenied hatası alırsanız IPython'dan çıkmak için exit yazın ve Kurulum ve şartlar adımına geri dönün.

Listede 58 dil ve lehçe gösterilir. Örneğin:

• Çince ve Tayvanca Mandarin,
• Avustralya, Birleşik Krallık, Hindistan ve ABD İngilizcesi
• Kanada ve Fransa'dan Fransızca,
• Brezilya ve Portekiz'de konuşulan Portekizce

Bu liste sabit değildir ve yeni sesler kullanıma sunuldukça genişler.

Özet

Bu adımda, desteklenen dilleri listelemiştiniz.

5. Kullanılabilir sesleri listeleme

Bu bölümde, farklı dillerde kullanılabilen seslerin listesini görürsünüz.

Aşağıdaki kodu IPython oturumunuza kopyalayın:

import google.cloud.texttospeech as tts


def list_voices(language_code=None):
    client = tts.TextToSpeechClient()
    response = client.list_voices(language_code=language_code)
    voices = sorted(response.voices, key=lambda voice: voice.name)

    print(f" Voices: {len(voices)} ".center(60, "-"))
    for voice in voices:
        languages = ", ".join(voice.language_codes)
        name = voice.name
        gender = tts.SsmlVoiceGender(voice.ssml_gender).name
        rate = voice.natural_sample_rate_hertz
        print(f"{languages:<8} | {name:<24} | {gender:<8} | {rate:,} Hz")
        

Kodu incelemek ve belirli bir dilde kullanılabilen sesleri listelemek için istemci kitaplığı yöntemini list_voices(language_code) nasıl kullandığını görmek için biraz zaman ayırın.

Şimdi, kullanılabilir Almanca seslerin listesini alın:

list_voices("de")

Aşağıdakine benzer bir tablo görürsünüz:

------------------------ Voices: 20 ------------------------
de-DE    | de-DE-Neural2-A          | FEMALE   | 24,000 Hz
de-DE    | de-DE-Neural2-B          | MALE     | 24,000 Hz
...
de-DE    | de-DE-Standard-A         | FEMALE   | 24,000 Hz
de-DE    | de-DE-Standard-B         | MALE     | 24,000 Hz
...
de-DE    | de-DE-Studio-B           | MALE     | 24,000 Hz
de-DE    | de-DE-Studio-C           | FEMALE   | 24,000 Hz
de-DE    | de-DE-Wavenet-A          | FEMALE   | 24,000 Hz
de-DE    | de-DE-Wavenet-B          | MALE     | 24,000 Hz
...

Standart, WaveNet, Neural2 ve Studio seslerinin yanı sıra birden fazla kadın ve erkek sesi mevcuttur:

• Standart sesler, sinyal işleme algoritmalarıyla üretilir.
• WaveNet, Neural2 ve Studio sesleri, makine öğrenimi modelleri tarafından sentezlenen ve daha doğal duyulan yüksek kaliteli seslerdir.

Şimdi, kullanılabilen İngilizce seslerin listesini alın:

list_voices("en")

Şuna benzer bir sonuç alırsınız:

------------------------ Voices: 90 ------------------------
en-AU    | en-AU-Neural2-A          | FEMALE   | 24,000 Hz
...
en-AU    | en-AU-Wavenet-A          | FEMALE   | 24,000 Hz
...
en-GB    | en-GB-Neural2-A          | FEMALE   | 24,000 Hz
...
en-GB    | en-GB-Wavenet-A          | FEMALE   | 24,000 Hz
...
en-IN    | en-IN-Standard-A         | FEMALE   | 24,000 Hz
...
en-IN    | en-IN-Wavenet-A          | FEMALE   | 24,000 Hz
...
en-US    | en-US-Neural2-A          | MALE     | 24,000 Hz
...
en-US    | en-US-News-K             | FEMALE   | 24,000 Hz
...
en-US    | en-US-Standard-A         | MALE     | 24,000 Hz
...
en-US    | en-US-Studio-M           | MALE     | 24,000 Hz
...
en-US    | en-US-Wavenet-A          | MALE     | 24,000 Hz
...

Farklı cinsiyetlerde ve niteliklerde birden fazla ses seçeneğinin yanı sıra Avustralya, Birleşik Krallık, Hindistan ve Amerika İngilizcesi olmak üzere birden fazla aksan da mevcuttur.

Tercih ettiğiniz diller ve varyantlar (hatta tümü) için kullanılabilen sesleri listelemek üzere biraz zaman ayırın:

list_voices("fr")
list_voices("pt")
list_voices()

Özet

Bu adım, mevcut sesleri listelemenize olanak tanır. Desteklenen sesler ve diller hakkında daha fazla bilgi edinebilirsiniz.

6. Metinden ses sentezleme

Bir dizeyi ses verilerine dönüştürmek için Text-to-Speech API'yi kullanabilirsiniz. Konuşma sentezinin çıkışını çeşitli şekillerde yapılandırabilirsiniz. Örneğin, benzersiz bir ses seçebilir veya çıkışı ses perdesi, ses düzeyi, konuşma hızı ve örnekleme hızında modüle edebilirsiniz.

Aşağıdaki kodu IPython oturumunuza kopyalayın:

import google.cloud.texttospeech as tts


def text_to_wav(voice_name: str, text: str):
    language_code = "-".join(voice_name.split("-")[:2])
    text_input = tts.SynthesisInput(text=text)
    voice_params = tts.VoiceSelectionParams(
        language_code=language_code, name=voice_name
    )
    audio_config = tts.AudioConfig(audio_encoding=tts.AudioEncoding.LINEAR16)

    client = tts.TextToSpeechClient()
    response = client.synthesize_speech(
        input=text_input,
        voice=voice_params,
        audio_config=audio_config,
    )

    filename = f"{voice_name}.wav"
    with open(filename, "wb") as out:
        out.write(response.audio_content)
        print(f'Generated speech saved to "{filename}"')
        

Kodu inceleyerek ses verilerini oluşturmak ve wav dosyası olarak kaydetmek için synthesize_speech istemci kitaplığı yönteminin nasıl kullanıldığını görün.

Artık birkaç farklı aksanda cümle oluşturabilirsiniz:

text_to_wav("en-AU-Neural2-A", "What is the temperature in Sydney?")
text_to_wav("en-GB-Neural2-B", "What is the temperature in London?")
text_to_wav("en-IN-Wavenet-C", "What is the temperature in Delhi?")
text_to_wav("en-US-Studio-O", "What is the temperature in New York?")
text_to_wav("fr-FR-Neural2-A", "Quelle est la température à Paris ?")
text_to_wav("fr-CA-Neural2-B", "Quelle est la température à Montréal ?")

Aşağıdakine benzer bir tablo görürsünüz:

Generated speech saved to "en-AU-Neural2-A.wav"
Generated speech saved to "en-GB-Neural2-B.wav"
Generated speech saved to "en-IN-Wavenet-C.wav"
Generated speech saved to "en-US-Studio-O.wav"
Generated speech saved to "fr-FR-Neural2-A.wav"
Generated speech saved to "fr-CA-Neural2-B.wav"

Oluşturulan tüm dosyaları tek seferde indirmek için Python ortamınızda şu Cloud Shell komutunu kullanabilirsiniz:

!cloudshell download *.wav

Doğrulayın. Tarayıcınız dosyaları indirir:

Her dosyayı açın ve sonucu dinleyin.

Özet

Bu adımda, Text-to-Speech API'yi kullanarak cümleleri ses dosyalarına dönüştürebildiniz.wav Ses dosyaları oluşturma hakkında daha fazla bilgi edinin.

7. Tebrikler!

Python kullanarak Text-to-Speech API'yi nasıl kullanacağınızı ve insan sesine benzer konuşma oluşturmayı öğrendiniz.

Temizleme

Geliştirme ortamınızda yer açmak için Cloud Shell'de:

• IPython oturumunuz hâlâ açıksa kabuğa geri dönün: exit
• Python sanal ortamını kullanmayı durdurun: deactivate
• Sanal ortam klasörünüzü silin: cd ~ ; rm -rf ./venv-texttospeech

Google Cloud projenizi silmek için Cloud Shell'de:

• Mevcut proje kimliğinizi alın: PROJECT_ID=$(gcloud config get-value core/project)
• Silmek istediğiniz projenin echo $PROJECT_ID olduğundan emin olun.
• Projeyi silme: gcloud projects delete $PROJECT_ID

Daha fazla bilgi

• Tarayıcınızda demoyu test edin: https://cloud.google.com/text-to-speech
• Text-to-Speech belgeleri: https://cloud.google.com/text-to-speech/docs
• Google Cloud'da Python: https://cloud.google.com/python
• Python için Cloud İstemci Kitaplıkları: https://github.com/googleapis/google-cloud-python

Lisans

Bu çalışma, Creative Commons Attribution 2.0 Genel Amaçlı Lisans ile lisans altına alınmıştır.