Opis projektu
PrzetłumaczoneDodajemy wyjście głosowe do naszego produktu i szukamy kogoś, kto w sposób kompleksowy połączy nowoczesną syntezę mowy. Zadanie wydaje się proste, ale zrobienie tego dobrze nie jest łatwe: każdy tekst, który nasza platforma generuje, powinien być odczytywany na żądanie naturalnym, ludzkim głosem w języku użytkownika. Obecnie dostarczamy artykuły, powiadomienia i krótkie lekcje jako zwykły tekst, ale chcemy, aby ludzie mogli kliknąć 'odtwórz' i słuchać zamiast czytać. Głosy powinny brzmieć naprawdę żywo — z odpowiednią intonacją, pauzami i akcentem, a nie jak monotonna maszyna, jak w starych silnikach.
Specyficznie, potrzebujemy małej usługi, która przyjmuje blok tekstu, wysyła go do wysokiej jakości dostawcy TTS opartego na sieciach neuronowych, buforuje otrzymane audio i dostarcza je do przeglądarki i aplikacji mobilnej. Potrzebujemy wyboru kilku głosów dla każdego języka, wsparcia dla języka rosyjskiego oraz przynajmniej kilku innych języków i regulacji prędkości oraz tonacji. Na froncie — schludny odtwarzacz audio z przyciskami odtwarzania, pauzy, przewijania i pobierania. Wszystko to powinno być również dostępne przez proste REST API z kluczami, aby inne wewnętrzne narzędzia mogły również żądać syntezy głosu. Upewnij się, że zaplanujesz buforowanie, abyśmy nie płacili za powtórną syntezę tego samego tekstu.
W przyszłości chcemy spróbować naszego własnego markowego głosu, więc wybierz dostawcę i architekturę, aby ta możliwość pozostała otwarta. Oto, czego oczekujemy:
— działający mikroserwis TTS z abstrakcją dostawcy i buforowaniem audio;
— wbudowany odtwarzacz internetowy, punkty końcowe API i podstawowa dokumentacja;
— poprawne przetwarzanie długich tekstów poprzez dzielenie i bezproblemową konkatenację audio.
Rzeczywiste doświadczenie w integracjach syntezy mowy i dbałość o jakość wymowy są dla nas ważniejsze niż szybkość.
Specyficznie, potrzebujemy małej usługi, która przyjmuje blok tekstu, wysyła go do wysokiej jakości dostawcy TTS opartego na sieciach neuronowych, buforuje otrzymane audio i dostarcza je do przeglądarki i aplikacji mobilnej. Potrzebujemy wyboru kilku głosów dla każdego języka, wsparcia dla języka rosyjskiego oraz przynajmniej kilku innych języków i regulacji prędkości oraz tonacji. Na froncie — schludny odtwarzacz audio z przyciskami odtwarzania, pauzy, przewijania i pobierania. Wszystko to powinno być również dostępne przez proste REST API z kluczami, aby inne wewnętrzne narzędzia mogły również żądać syntezy głosu. Upewnij się, że zaplanujesz buforowanie, abyśmy nie płacili za powtórną syntezę tego samego tekstu.
W przyszłości chcemy spróbować naszego własnego markowego głosu, więc wybierz dostawcę i architekturę, aby ta możliwość pozostała otwarta. Oto, czego oczekujemy:
— działający mikroserwis TTS z abstrakcją dostawcy i buforowaniem audio;
— wbudowany odtwarzacz internetowy, punkty końcowe API i podstawowa dokumentacja;
— poprawne przetwarzanie długich tekstów poprzez dzielenie i bezproblemową konkatenację audio.
Rzeczywiste doświadczenie w integracjach syntezy mowy i dbałość o jakość wymowy są dla nas ważniejsze niż szybkość.
Projektowanie i multimedia Gotówka, Przelew bankowy
