Описание проекта
Мы добавляем в свой продукт голосовой вывод и ищем исполнителя, который под ключ подключит современный синтез речи. Задача формулируется просто, но сделать её хорошо непросто: любой текст, который выдаёт наша платформа, должен по запросу озвучиваться естественным, человечным голосом на языке пользователя. Сейчас статьи, уведомления и короткие уроки мы отдаём обычным текстом, а хотим, чтобы человек мог нажать «play» и слушать вместо чтения. Голоса должны звучать по-настоящему живо — с правильной интонацией, паузами и ударениями, а не монотонным роботом, как в старых движках.
Конкретно требуется небольшой сервис, который принимает блок текста, отправляет его в качественный нейросетевой TTS-провайдер, кэширует полученное аудио и отдаёт его в браузер и в мобильное приложение. Нужен выбор из нескольких голосов на каждый язык, поддержка русского плюс минимум ещё пары языков и регулировка скорости и высоты. На фронте — аккуратный аудиоплеер с воспроизведением, паузой, перемоткой и кнопкой скачивания. Всё это должно быть доступно и через простой REST API с ключами, чтобы другие наши внутренние инструменты тоже могли заказывать озвучку. Обязательно продумайте кэширование, чтобы не платить за повторный синтез одинакового текста.
В перспективе хотим попробовать собственный брендовый голос, поэтому выбирайте провайдера и архитектуру так, чтобы эта возможность оставалась открытой. Что ждём на выходе:
— рабочий TTS-микросервис с абстракцией провайдера и кэшем аудио;
— встраиваемый веб-плеер, эндпоинты API и базовая документация;
— корректная обработка длинных текстов через разбиение и бесшовную склейку аудио.
Опыт реальных интеграций синтеза речи и внимание к качеству произношения для нас важнее скорости.
Конкретно требуется небольшой сервис, который принимает блок текста, отправляет его в качественный нейросетевой TTS-провайдер, кэширует полученное аудио и отдаёт его в браузер и в мобильное приложение. Нужен выбор из нескольких голосов на каждый язык, поддержка русского плюс минимум ещё пары языков и регулировка скорости и высоты. На фронте — аккуратный аудиоплеер с воспроизведением, паузой, перемоткой и кнопкой скачивания. Всё это должно быть доступно и через простой REST API с ключами, чтобы другие наши внутренние инструменты тоже могли заказывать озвучку. Обязательно продумайте кэширование, чтобы не платить за повторный синтез одинакового текста.
В перспективе хотим попробовать собственный брендовый голос, поэтому выбирайте провайдера и архитектуру так, чтобы эта возможность оставалась открытой. Что ждём на выходе:
— рабочий TTS-микросервис с абстракцией провайдера и кэшем аудио;
— встраиваемый веб-плеер, эндпоинты API и базовая документация;
— корректная обработка длинных текстов через разбиение и бесшовную склейку аудио.
Опыт реальных интеграций синтеза речи и внимание к качеству произношения для нас важнее скорости.
Дизайн и Мультимедиа Наличные, Банковский перевод
