Projektbeschreibung
ÜbersetztWir fügen unserem Produkt Sprachausgabe hinzu und suchen jemanden, der moderne Sprachsynthese schlüsselfertig verbindet. Die Aufgabe scheint einfach, aber es ist nicht leicht, es gut zu machen: Jeder Text, den unsere Plattform ausgibt, sollte auf Anfrage mit einer natürlichen, menschlichen Stimme in der Sprache des Benutzers gesprochen werden. Derzeit liefern wir Artikel, Benachrichtigungen und kurze Lektionen als einfachen Text, aber wir möchten, dass die Leute auf 'Abspielen' klicken und zuhören können, anstatt zu lesen. Die Stimmen sollten wirklich lebendig klingen — mit der richtigen Intonation, Pausen und Betonung, nicht wie ein monotone Roboter wie in alten Engines.
Konkret benötigen wir einen kleinen Dienst, der einen Textblock entgegennimmt, ihn an einen qualitativ hochwertigen TTS-Anbieter mit neuronalen Netzwerken sendet, die empfangene Audiodatei zwischenspeichert und sie an den Browser und die mobile App liefert. Wir benötigen eine Auswahl an mehreren Stimmen für jede Sprache, Unterstützung für Russisch sowie mindestens ein paar weitere Sprachen und Anpassung von Geschwindigkeit und Tonhöhe. An der Frontend-Seite — ein ordentlicher Audioplayer mit Abspielen-, Pause-, Rückspulen- und Download-Buttons. All dies sollte auch über eine einfache REST-API mit Schlüsseln verfügbar sein, damit auch andere interne Tools die Sprachsynthese anfordern können. Stellen Sie sicher, dass Sie das Caching planen, damit wir nicht für die wiederholte Synthese desselben Textes bezahlen.
In Zukunft möchten wir versuchen, unsere eigene Markenstimme zu verwenden, also wählen Sie einen Anbieter und eine Architektur, damit diese Möglichkeit offen bleibt. Hier ist, was wir erwarten:
— funktionierender TTS-Mikroservice mit Anbieterabstraktion und Audio-Cache;
— eingebetteter Webplayer, API-Endpunkte und grundlegende Dokumentation;
— korrekte Handhabung von langen Texten durch Aufteilung und nahtlose Audioverkettung.
Echte Erfahrung mit Integrationen der Sprachsynthese und Aufmerksamkeit auf die Qualität der Aussprache sind uns wichtiger als Geschwindigkeit.
Konkret benötigen wir einen kleinen Dienst, der einen Textblock entgegennimmt, ihn an einen qualitativ hochwertigen TTS-Anbieter mit neuronalen Netzwerken sendet, die empfangene Audiodatei zwischenspeichert und sie an den Browser und die mobile App liefert. Wir benötigen eine Auswahl an mehreren Stimmen für jede Sprache, Unterstützung für Russisch sowie mindestens ein paar weitere Sprachen und Anpassung von Geschwindigkeit und Tonhöhe. An der Frontend-Seite — ein ordentlicher Audioplayer mit Abspielen-, Pause-, Rückspulen- und Download-Buttons. All dies sollte auch über eine einfache REST-API mit Schlüsseln verfügbar sein, damit auch andere interne Tools die Sprachsynthese anfordern können. Stellen Sie sicher, dass Sie das Caching planen, damit wir nicht für die wiederholte Synthese desselben Textes bezahlen.
In Zukunft möchten wir versuchen, unsere eigene Markenstimme zu verwenden, also wählen Sie einen Anbieter und eine Architektur, damit diese Möglichkeit offen bleibt. Hier ist, was wir erwarten:
— funktionierender TTS-Mikroservice mit Anbieterabstraktion und Audio-Cache;
— eingebetteter Webplayer, API-Endpunkte und grundlegende Dokumentation;
— korrekte Handhabung von langen Texten durch Aufteilung und nahtlose Audioverkettung.
Echte Erfahrung mit Integrationen der Sprachsynthese und Aufmerksamkeit auf die Qualität der Aussprache sind uns wichtiger als Geschwindigkeit.
Design und Multimedia Bargeld, Banküberweisung
