Descripción del proyecto
TraducidoEstamos añadiendo salida de voz a nuestro producto y estamos buscando a alguien que conecte de manera llave en mano la síntesis de voz moderna. La tarea parece simple, pero hacerlo bien no es fácil: cualquier texto que nuestra plataforma produzca debe ser vocalizado a pedido con una voz natural y humana en el idioma del usuario. Actualmente entregamos artículos, notificaciones y lecciones cortas como texto plano, pero queremos que las personas puedan hacer clic en 'reproducir' y escuchar en lugar de leer. Las voces deben sonar verdaderamente vivas — con la entonación, pausas y acentos adecuados, no como un robot monótono como en los viejos motores.
Específicamente, necesitamos un pequeño servicio que tome un bloque de texto, lo envíe a un proveedor de TTS de red neuronal de calidad, almacene en caché el audio recibido y lo entregue al navegador y a la aplicación móvil. Necesitamos una elección de varias voces para cada idioma, soporte para ruso más al menos un par de idiomas más y ajuste de velocidad y tono. En el front end — un reproductor de audio ordenado con botones de reproducir, pausar, rebobinar y descargar. Todo esto también debería estar disponible a través de una simple API REST con claves, para que otras herramientas internas también puedan solicitar la síntesis de voz. Asegúrese de planificar la caché para que no paguemos por la síntesis repetida del mismo texto.
En el futuro queremos probar nuestra propia voz de marca, así que elija un proveedor y arquitectura para que esta posibilidad permanezca abierta. Esto es lo que esperamos:
— microservicio TTS funcional con abstracción de proveedor y caché de audio;
— reproductor web integrado, puntos finales de API y documentación básica;
— manejo correcto de textos largos a través de división y concatenación de audio sin interrupciones.
La experiencia real con integraciones de síntesis de voz y la atención a la calidad de pronunciación son más importantes para nosotros que la velocidad.
Específicamente, necesitamos un pequeño servicio que tome un bloque de texto, lo envíe a un proveedor de TTS de red neuronal de calidad, almacene en caché el audio recibido y lo entregue al navegador y a la aplicación móvil. Necesitamos una elección de varias voces para cada idioma, soporte para ruso más al menos un par de idiomas más y ajuste de velocidad y tono. En el front end — un reproductor de audio ordenado con botones de reproducir, pausar, rebobinar y descargar. Todo esto también debería estar disponible a través de una simple API REST con claves, para que otras herramientas internas también puedan solicitar la síntesis de voz. Asegúrese de planificar la caché para que no paguemos por la síntesis repetida del mismo texto.
En el futuro queremos probar nuestra propia voz de marca, así que elija un proveedor y arquitectura para que esta posibilidad permanezca abierta. Esto es lo que esperamos:
— microservicio TTS funcional con abstracción de proveedor y caché de audio;
— reproductor web integrado, puntos finales de API y documentación básica;
— manejo correcto de textos largos a través de división y concatenación de audio sin interrupciones.
La experiencia real con integraciones de síntesis de voz y la atención a la calidad de pronunciación son más importantes para nosotros que la velocidad.
Diseño y multimedia Efectivo, Transferencia bancaria
