Sprachsynthese-Container mit Docker

Der Container für neuronale Sprachsynthese konvertiert Text in natürlich klingende Sprache, indem er Deep Neural Network-Technologie verwendet, die eine natürlichere synthetisierte Sprache ermöglicht. In diesem Artikel erfahren Sie, wie Sie einen Sprachsynthesecontainer herunterladen, installieren und ausführen.

Weitere Informationen zu den Voraussetzungen, zum Überprüfen, ob ein Container ausgeführt wird, Ausführen mehrerer Container auf demselben Host und Ausführen nicht verbundener Container finden Sie unter Installieren und Ausführen von Docker-Containern für die APIs des Speech-Diensts.

Containerimages

Das neuronale Sprachsynthese-Containerimage für alle unterstützten Versionen und Gebietsschemata finden Sie im Microsoft Container Registry (MCR)-Syndikat. Es befindet sich im Repository azure-cognitive-services/speechservices/ und trägt den Namen neural-text-to-speech.

Der vollqualifizierte Containerimagename lautet mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech. Fügen Sie entweder eine bestimmte Version oder zum Abrufen der aktuellen Version :latest an.

Alle Tags, mit Ausnahme von latest, haben das folgende Format und beachten die Groß-/Kleinschreibung:

<major>.<minor>.<patch>-<platform>-<voice>-<preview>

Die Tags sind der Einfachheit halber auch im JSON-Format verfügbar. Der Text enthält den Containerpfad und eine Liste mit Tags. Die Tags sind nicht nach Version sortiert, "latest" ist jedoch wie im folgenden Codeschnipsel gezeigt immer am Ende der Liste enthalten:

{
  "name": "azure-cognitive-services/speechservices/neural-text-to-speech",
  "tags": [
    <--redacted for brevity-->
    "3.5.0-amd64-uk-ua-ostapneural",
    "3.5.0-amd64-zh-cn-xiaochenneural-preview",
    "3.5.0-amd64-zh-cn-xiaohanneural",
    "3.5.0-amd64-zh-cn-xiaomoneural",
    "3.5.0-amd64-zh-cn-xiaoqiuneural-preview",
    "3.5.0-amd64-zh-cn-xiaoruineural",
    "3.5.0-amd64-zh-cn-xiaoshuangneural-preview",
    "3.5.0-amd64-zh-cn-xiaoxiaoneural",
    "3.5.0-amd64-zh-cn-xiaoyanneural-preview",
    "3.5.0-amd64-zh-cn-xiaoyouneural",
    "3.5.0-amd64-zh-cn-yunxineural",
    "3.5.0-amd64-zh-cn-yunyangneural",
    "3.5.0-amd64-zh-cn-yunyeneural",
    "latest"
  ]
}

Abrufen des Containerimages mit dem Befehl „docker pull“

Sie müssen die Voraussetzungen erfüllen (einschließlich der Hardwareanforderungen). Sehen Sie sich auch die empfohlene Zuordnung von Ressourcen für die einzelnen Speech-Container an.

Verwenden Sie den Befehl docker pull, um ein Containerimage aus Microsoft Container Registry herunterzuladen:

docker pull mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech:latest

Ausführen des Containers mit „docker run“

Verwenden Sie den Befehl docker run, um den Container auszuführen.

docker run --rm -it -p 5000:5000 --memory 12g --cpus 6 \
mcr.microsoft.com/azure-cognitive-services/speechservices/neural-text-to-speech \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

docker run --rm -it -p 5000:5000 \ 
-v {LICENSE_MOUNT} \
{IMAGE} \
eula=accept \
billing={ENDPOINT_URI} \
apikey={API_KEY} \
DownloadLicense=True \
Mounts:License={CONTAINER_LICENSE_DIRECTORY} 

docker run --rm -it -p 5000:5000 --memory {MEMORY_SIZE} --cpus {NUMBER_CPUS} \ 
-v {LICENSE_MOUNT} \ 
-v {OUTPUT_PATH} \
{IMAGE} \
eula=accept \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Mounts:Output={CONTAINER_OUTPUT_DIRECTORY}

sudo chown -R nonroot:nonroot <YOUR_LOCAL_MACHINE_PATH_1> <YOUR_LOCAL_MACHINE_PATH_2> ...

Weitere Informationen zur Verwendung von docker run mit Speech-Containern finden Sie unter Installieren und Ausführen von Docker-Containern für die APIs des Speech-Diensts.

Verwenden des Containers

Speech-Container bieten websocketbasierte Abfrageendpunkt-APIs, auf die über das Speech SDK und die Speech-Befehlszeilenschnittstelle (Command Line Interface, CLI) zugegriffen wird. Standardmäßig verwenden das Speech SDK und die Speech-CLI den öffentlichen Speech-Dienst. Um den Container verwenden zu können, müssen Sie die Initialisierungsmethode ändern.

var config = SpeechConfig.FromSubscription(...);

var config = SpeechConfig.FromHost(
    new Uri("http://localhost:5000"));

auto speechConfig = SpeechConfig::FromSubscription(...);

auto speechConfig = SpeechConfig::FromHost("http://localhost:5000");

speechConfig, err := speech.NewSpeechConfigFromSubscription(...)

speechConfig, err := speech.NewSpeechConfigFromHost("http://localhost:5000")

SpeechConfig speechConfig = SpeechConfig.fromSubscription(...);

SpeechConfig speechConfig = SpeechConfig.fromHost("http://localhost:5000");

const speechConfig = sdk.SpeechConfig.fromSubscription(...);

const speechConfig = sdk.SpeechConfig.fromHost("http://localhost:5000");

SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithSubscription:...];

SPXSpeechConfiguration *speechConfig = [[SPXSpeechConfiguration alloc] initWithHost:"http://localhost:5000"];

let speechConfig = SPXSpeechConfiguration(subscription: "", region: "");

let speechConfig = SPXSpeechConfiguration(host: "http://localhost:5000");

speech_config = speechsdk.SpeechConfig(
    subscription=speech_key, region=service_region)

speech_config = speechsdk.SpeechConfig(
    host="http://localhost:5000")

Testen Sie den Schnellstart zur Sprachsynthese mithilfe der Hostauthentifizierung anstelle von Schlüssel und Region.

SSML-Voice-Element

Wenn Sie eine HTTP POST-Anforderung für neuronale Sprachsynthese erstellen, benötigt die SSML-Nachricht ein voice-Element mit einem name-Attribut. Das Gebietsschema der Stimme muss dem Gebietsschema des Containermodells entsprechen. Der Support für SSML-Tag ist für jede Sprachsynthese-Sprache sowohl in der Azure-Cloud als auch in der Containerumgebung konsistent.

Für ein Modell, das über das latest-Tag heruntergeladen wurde (standardmäßig „en-US“), lautet der Name der Stimme beispielsweise en-US-AriaNeural.

<speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xml:lang="en-US">
    <voice name="en-US-AriaNeural">
        This is the text that is spoken.
    </voice>
</speak>

Nächste Schritte

• Lesen Sie die Übersicht über Speech-Container.
• Informieren Sie sich unter Konfigurieren von Containern über Konfigurationseinstellungen.
• Verwenden weiterer Azure KI-Container