Пользовательское приложение SaluteSpeech App

Обновлено 19 апреля 2024

Даже если у вас нет навыков программирования, вы можете синтезировать и распознавать речь, а также генерировать текст с помощью приложения SaluteSpeech App для Windows и MacOS.

Стоимость использования приложения зависит от сервиса:

• Тарифы SaluteSpeech API.
• Тарифы GigaChat API.

Скачиваем приложение

Для начала скачайте приложение SaluteSpeech App версии 2.3.1 и установите его на компьютер:

• Скачать приложение для Windows.
• Скачать приложение для MacOS (Intel).
• Скачать приложение для MacOS (Apple M1).

Что поменялось в версии 2.3.1:

• Можно распознавать новые форматы аудио и видео: M4A, MPGA, MPEG, MP4, WEBM и т. д.
• Результаты распознавания отображаются в потоковом режиме.
• Отображается статус распознавания.
• В результатах распознавания отображается имя файла.
• Можно кнопками перемещаться к началу и к концу распознавания.

Чтобы работать в приложении, вам нужно получить токен. Для синтеза и распознавания речи — токен SaluteSpeech API, а для генерации текста — токен GigaChat API.

Получаем токен

Токен SaluteSpeech API

Чтобы сгенерировать токен SaluteSpeech:

1. Подключите SaluteSpeech. Подробнее — в разделе Подключаем сервис.

2. В созданном проекте SaluteSpeech скопируйте авторизационные данные.

3. Запустите приложение SaluteSpeech App на вашем компьютере.

4. Нажмите иконку профиля в правом верхнем углу и выберите SaluteSpeech. Откроется окно генерации токена:

   

5. В открывшемся окне выберите тип использования:

   • Физическое лицо — если проект SaluteSpeech создан в личном пространстве и в поле Scope указано значение SALUTE_SPEECH_PERS.
   • Юридическое лицо — если проект SaluteSpeech создан в корпоративном пространстве и в поле Scope указано значение SALUTE_SPEECH_CORP.
   • Legacy — если проект SaluteSpeech создан в корпоративном пространстве и в поле Scope указано значение SBER_SPEECH.

6. Вставьте скопированные ранее авторизационные данные.

7. Нажмите Сгенерировать токен.

Теперь вы можете распознавать и синтезировать речь в приложении SaluteSpeech App.

Токен GigaChat API

Чтобы сгенерировать токен GigaChat:

1. Подключите GigaChat. Подробнее — в разделе Начало работы в GigaChat.

2. В созданном проекте GigaChat скопируйте авторизационные данные.

3. Запустите приложение SaluteSpeech App на вашем компьютере.

4. Нажмите иконку профиля в правом верхнем углу и выберите GigaChat. Откроется окно генерации токена:

   

5. В открывшемся окне выберите тип использования:

   • Физическое лицо — если проект GigaChat создан в личном пространстве.
   • Юридическое лицо — если проект GigaChat создан в корпоративном пространстве.

6. Вставьте скопированные ранее авторизационные данные.

7. Нажмите Сгенерировать токен.

Теперь вы можете генерировать тексты в приложении SaluteSpeech App.

Распознаем речь

Чтобы распознать речь на русском языке в приложении SaluteSpeech App:

1. Получите токен SaluteSpeech.
2. Перейдите на вкладку Распознавание.
3. Нажмите Выберите файл и загрузите нужный файл.

Вам отобразится распознанный текст. Его можно изменить с помощью модели GigaChat в этом же приложении.

Распознавать можно аудио-файлы следующих форматов:

• PCM.
• OPUS.
• MP3.
• FLAC.
• ALAW.
• MULAW.

Подробнее — в разделе Доступные форматы аудио.

Синтезируем речь

Чтобы озвучить текст в приложении SaluteSpeech App:

1. Получите токен SaluteSpeech.
2. Перейдите на вкладку Синтез.
3. Выберите голос, которым хотите озвучить текст. Kira — голос для озвучивания на английском языке, остальные голоса — для русского языка.
4. Если некоторые фразы надо произнести другим голосом, выберите дополнительный голос.
5. Введите текст, который нужно озвучить.
6. Если нужно, оформите текст SSML-тегами с помощью соответствующих кнопок:
   1. Изменить ударение.
   2. Сделать акцент.
   3. Добавить паузу.
   4. Произнести часть фразы дополнительным голосом.
   5. Изменить интонацию
7. Нажмите Синтезировать.

Генерируем текст

Чтобы сгенерировать или отформатировать текст в приложении SaluteSpeech App:

1. Получите токен GigaChat.
2. Перейдите на вкладку Генерация.
3. Введите в поле запрос к модели GigaChat.
4. Нажмите Сгенерировать.

Далее вы можете озвучить полученный текст, нажав Использовать в синтезе.