9.6 KiB
உரையை பேச்சாக மாற்றுதல் - மெய்நிகர் IoT சாதனம்
இந்த பாடத்தின் இந்த பகுதியில், உரையை பேச்சாக மாற்றுவதற்கான குறியீட்டை நீங்கள் எழுதுவீர்கள், பேச்சுச் சேவையைப் பயன்படுத்தி.
உரையை பேச்சாக மாற்றுதல்
கடந்த பாடத்தில் நீங்கள் உரையை பேச்சாக மாற்ற பயன்படுத்திய பேச்சுச் சேவைகள் SDK-யை, உரையை மீண்டும் பேச்சாக மாற்றவும் பயன்படுத்தலாம். பேச்சை கோரும்போது, பயன்படுத்த வேண்டிய குரலை வழங்க வேண்டும், ஏனெனில் பல்வேறு குரல்களைப் பயன்படுத்தி பேச்சை உருவாக்க முடியும்.
ஒவ்வொரு மொழியும் பல்வேறு குரல்களை ஆதரிக்கிறது, மேலும் ஒவ்வொரு மொழிக்குமான ஆதரிக்கப்படும் குரல்களின் பட்டியலை பேச்சுச் சேவைகள் SDK-யிலிருந்து பெறலாம்.
பணிகள் - உரையை பேச்சாக மாற்றுதல்
-
smart-timerதிட்டத்தை VS Code-ல் திறக்கவும், மற்றும் மெய்நிகர் சூழல் டெர்மினலில் ஏற்றப்பட்டிருப்பதை உறுதிப்படுத்தவும். -
azure.cognitiveservices.speechதொகுப்பிலிருந்துSpeechSynthesizer-ஐ இறக்குமதி செய்யவும், இதை ஏற்கனவே உள்ள இறக்குமதிகளில் சேர்க்கவும்:from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer -
sayசெயல்பாட்டின் மேல், பேச்சு synthesizer-க்கு பயன்படுத்த பேச்சு கட்டமைப்பை உருவாக்கவும்:speech_config = SpeechConfig(subscription=speech_api_key, region=location) speech_config.speech_synthesis_language = language speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)இது recognizer பயன்படுத்திய அதே API விசை, இடம் மற்றும் மொழியைப் பயன்படுத்துகிறது.
-
இதற்கு கீழே, ஒரு குரலைப் பெறவும், அதை பேச்சு கட்டமைப்பில் அமைக்கவும், கீழே உள்ள குறியீட்டைச் சேர்க்கவும்:
voices = speech_synthesizer.get_voices_async().get().voices first_voice = next(x for x in voices if x.locale.lower() == language.lower()) speech_config.speech_synthesis_voice_name = first_voice.short_nameஇது கிடைக்கக்கூடிய அனைத்து குரல்களின் பட்டியலைப் பெறுகிறது, பின்னர் பயன்படுத்தப்படும் மொழியைப் பொருந்தும் முதல் குரலைக் கண்டறிகிறது.
💁 Microsoft Docs-ல் உள்ள மொழி மற்றும் குரல் ஆதரவு ஆவணத்தில் இருந்து ஆதரிக்கப்படும் குரல்களின் முழு பட்டியலைப் பெறலாம். நீங்கள் குறிப்பிட்ட ஒரு குரலைப் பயன்படுத்த விரும்பினால், இந்த செயல்பாட்டை நீக்கி, ஆவணத்தில் உள்ள குரல் பெயரை hard code செய்யலாம். உதாரணமாக:
speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural' -
sayசெயல்பாட்டின் உள்ளடக்கத்தை SSML உருவாக்குவதற்காகப் புதுப்பிக்கவும்:ssml = f'<speak version=\'1.0\' xml:lang=\'{language}\'>' ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>' ssml += text ssml += '</voice>' ssml += '</speak>' -
இதற்கு கீழே, பேச்சு அடையாளத்தை நிறுத்தவும், SSML-ஐ பேசவும், பின்னர் அடையாளத்தை மீண்டும் தொடங்கவும்:
recognizer.stop_continuous_recognition() speech_synthesizer.speak_ssml(ssml) recognizer.start_continuous_recognition()உரை பேசப்படும் போது, டைமர் தொடங்கிய அறிவிப்பு கண்டறியப்பட்டு, LUIS-க்கு அனுப்பப்பட்டு, புதிய டைமரை அமைக்க வேண்டிய கோரிக்கையாகப் பொருள் கொள்ளப்படுவதைத் தவிர்க்க, அடையாளம் நிறுத்தப்படுகிறது.
💁 அடையாளத்தை நிறுத்தவும், மீண்டும் தொடங்கவும் செய்யும் வரிகளை கருத்துரைக்க (comment out) மூலம் இதைச் சோதிக்கலாம். ஒரு டைமரை அமைக்கவும், பின்னர் அறிவிப்பு புதிய டைமரை அமைக்கலாம், இது புதிய அறிவிப்பை உருவாக்கும், மேலும் இது தொடர்ச்சியாக புதிய டைமரை உருவாக்கும், இப்படி முடிவில்லாமல் செல்லலாம்!
-
செயலியை இயக்கவும், மற்றும் செயல்பாட்டு செயலியும் இயக்கப்படுவதை உறுதிப்படுத்தவும். சில டைமர்களை அமைக்கவும், உங்கள் டைமர் அமைக்கப்பட்டதாக ஒரு பேச்சு பதிலை நீங்கள் கேட்பீர்கள், பின்னர் டைமர் முடிந்ததும் மற்றொரு பேச்சு பதிலை கேட்பீர்கள்.
💁 இந்த குறியீட்டை code-spoken-response/virtual-iot-device கோப்பகத்தில் காணலாம்.
😀 உங்கள் டைமர் திட்டம் வெற்றிகரமாக முடிந்தது!
குறிப்பு:
இந்த ஆவணம் Co-op Translator என்ற AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. நாங்கள் துல்லியத்திற்காக முயற்சிக்கின்றோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறான தகவல்கள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளுங்கள். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.