परियोजना का विवरण
अनुवादितहम अपने उत्पाद में वॉयस आउटपुट जोड़ रहे हैं और किसी ऐसे व्यक्ति की तलाश कर रहे हैं जो आधुनिक स्पीच सिंथेसिस को टर्न-की कनेक्ट करेगा। कार्य सरल लगता है, लेकिन इसे सही तरीके से करना आसान नहीं है: हमारे प्लेटफॉर्म द्वारा आउटपुट किया गया कोई भी टेक्स्ट उपयोगकर्ता की भाषा में प्राकृतिक, मानव आवाज में अनुरोध पर बोला जाना चाहिए। वर्तमान में हम लेख, सूचनाएँ और छोटे पाठ को सामान्य टेक्स्ट के रूप में प्रदान करते हैं, लेकिन हम चाहते हैं कि लोग 'प्ले' पर क्लिक करें और पढ़ने के बजाय सुनें। आवाजें वास्तव में जीवित लगनी चाहिए - उचित स्वर, विराम और तनाव के साथ, पुराने इंजनों की तरह एक मोनोटोन रोबोट की तरह नहीं।
विशेष रूप से, हमें एक छोटा सेवा चाहिए जो एक टेक्स्ट ब्लॉक ले, उसे एक गुणवत्ता वाले न्यूरल नेटवर्क TTS प्रदाता को भेजे, प्राप्त ऑडियो को कैश करे और इसे ब्राउज़र और मोबाइल ऐप में डिलीवर करे। हमें प्रत्येक भाषा के लिए कई आवाजों का विकल्प चाहिए, रूसी का समर्थन और कम से कम कुछ और भाषाएँ और गति और पिच का समायोजन। फ्रंट एंड पर - प्ले, पॉज़, रिवाइंड और डाउनलोड बटन के साथ एक साफ ऑडियो प्लेयर। यह सब एक सरल REST API के माध्यम से भी उपलब्ध होना चाहिए जिसमें कुंजी हो, ताकि अन्य आंतरिक उपकरण भी वॉयस सिंथेसिस का अनुरोध कर सकें। सुनिश्चित करें कि कैशिंग की योजना बनाएं ताकि हम एक ही टेक्स्ट के लिए पुनरावृत्त सिंथेसिस के लिए भुगतान न करें।
भविष्य में हम अपनी ब्रांडेड आवाज़ का प्रयास करना चाहते हैं, इसलिए एक प्रदाता और आर्किटेक्चर चुनें ताकि यह संभावना खुली रहे। हम जो उम्मीद करते हैं:
— कार्यशील TTS माइक्रोसर्विस प्रदाता अमूर्तता और ऑडियो कैश के साथ;
— एम्बेडेड वेब प्लेयर, API एंडपॉइंट और बुनियादी दस्तावेज़ीकरण;
— लंबे टेक्स्ट को विभाजित करने और निर्बाध ऑडियो संयोजन के माध्यम से सही ढंग से संभालना।
स्पीच सिंथेसिस एकीकरण के साथ वास्तविक अनुभव और उच्चारण गुणवत्ता पर ध्यान हमारे लिए गति से अधिक महत्वपूर्ण है।
विशेष रूप से, हमें एक छोटा सेवा चाहिए जो एक टेक्स्ट ब्लॉक ले, उसे एक गुणवत्ता वाले न्यूरल नेटवर्क TTS प्रदाता को भेजे, प्राप्त ऑडियो को कैश करे और इसे ब्राउज़र और मोबाइल ऐप में डिलीवर करे। हमें प्रत्येक भाषा के लिए कई आवाजों का विकल्प चाहिए, रूसी का समर्थन और कम से कम कुछ और भाषाएँ और गति और पिच का समायोजन। फ्रंट एंड पर - प्ले, पॉज़, रिवाइंड और डाउनलोड बटन के साथ एक साफ ऑडियो प्लेयर। यह सब एक सरल REST API के माध्यम से भी उपलब्ध होना चाहिए जिसमें कुंजी हो, ताकि अन्य आंतरिक उपकरण भी वॉयस सिंथेसिस का अनुरोध कर सकें। सुनिश्चित करें कि कैशिंग की योजना बनाएं ताकि हम एक ही टेक्स्ट के लिए पुनरावृत्त सिंथेसिस के लिए भुगतान न करें।
भविष्य में हम अपनी ब्रांडेड आवाज़ का प्रयास करना चाहते हैं, इसलिए एक प्रदाता और आर्किटेक्चर चुनें ताकि यह संभावना खुली रहे। हम जो उम्मीद करते हैं:
— कार्यशील TTS माइक्रोसर्विस प्रदाता अमूर्तता और ऑडियो कैश के साथ;
— एम्बेडेड वेब प्लेयर, API एंडपॉइंट और बुनियादी दस्तावेज़ीकरण;
— लंबे टेक्स्ट को विभाजित करने और निर्बाध ऑडियो संयोजन के माध्यम से सही ढंग से संभालना।
स्पीच सिंथेसिस एकीकरण के साथ वास्तविक अनुभव और उच्चारण गुणवत्ता पर ध्यान हमारे लिए गति से अधिक महत्वपूर्ण है।
डिज़ाइन और मल्टीमीडिया नकद, बैंक ट्रांसफर
