Опис проєкту
ПерекладМи додаємо в свій продукт голосовий висновок і шукаємо виконавця, який під ключ підключить сучасний синтез мови. Завдання формулюється просто, але зробити її добре складно: будь-який текст, який видає наша платформа, повинен за запитом озвучуватися природним, людським голосом на мові користувача. Зараз статті, сповіщення та короткі уроки ми видаємо звичайним текстом, а хочемо, щоб людина могла натиснути «play» і слухати замість читання. Голоси повинні звучати по-справжньому живо — з правильною інтонацією, паузами та наголосами, а не монотонним робото, як у старих рухавиках.
Конкретно потрібен невеликий сервіс, який приймає блок тексту, відправляє його в якісного нейромережевого TTS-провайдера, кешує отримане аудіо та видає його у браузер і в мобільний застосунок. Потрібен вибір з кількох голосів на кожну мову, підтримка російської плюс мінімум ще пари мов та регулювання швидкості та висоти. На фронті — акуратний аудіоплеєр з відтворенням, паузою, перемоткою та кнопкою завантаження. Усе це повинно бути доступно й через простий REST API з ключами, щоб інші наші внутрішні інструменти теж могли замовляти озвучення. Обов'язково продумайте кешування, щоб не платити за повторний синтез однакового тексту.
У перспективі хочемо спробувати власний брендовий голос, тому вибирайте провайдера та архітектуру так, щоб ця можливість залишалась відкритою. Що чекаємо на виході:
— робочий TTS-мікросервіс з абстракцією провайдера та кешем аудіо;
— вбудовуваний веб-плеєр, ендпоінти API та базова документація;
— коректна обробка довгих текстів через розбиття та безшовну склейку аудіо.
Досвід реальних інтеграцій синтезу мови та увага до якості вимови для нас важливіше швидкості.
Конкретно потрібен невеликий сервіс, який приймає блок тексту, відправляє його в якісного нейромережевого TTS-провайдера, кешує отримане аудіо та видає його у браузер і в мобільний застосунок. Потрібен вибір з кількох голосів на кожну мову, підтримка російської плюс мінімум ще пари мов та регулювання швидкості та висоти. На фронті — акуратний аудіоплеєр з відтворенням, паузою, перемоткою та кнопкою завантаження. Усе це повинно бути доступно й через простий REST API з ключами, щоб інші наші внутрішні інструменти теж могли замовляти озвучення. Обов'язково продумайте кешування, щоб не платити за повторний синтез однакового тексту.
У перспективі хочемо спробувати власний брендовий голос, тому вибирайте провайдера та архітектуру так, щоб ця можливість залишалась відкритою. Що чекаємо на виході:
— робочий TTS-мікросервіс з абстракцією провайдера та кешем аудіо;
— вбудовуваний веб-плеєр, ендпоінти API та базова документація;
— коректна обробка довгих текстів через розбиття та безшовну склейку аудіо.
Досвід реальних інтеграцій синтезу мови та увага до якості вимови для нас важливіше швидкості.
Дизайн та Мультимедіа Готівка, Банківський переказ
