Saltar a contenido

Português

Configuração

Parâmetros de Inicialização para TextToAudioStream

Quando você inicializa a classe TextToAudioStream, você tem várias opções para personalizar seu comportamento. Aqui estão os parâmetros disponíveis:

engine (BaseEngine)

  • Tipo: BaseEngine
  • Obrigatório: Sim
  • Descrição: O mecanismo subjacente responsável pela síntese de texto para áudio. Você deve fornecer uma instância de BaseEngine ou sua subclasse para habilitar a síntese de áudio.

on_text_stream_start (callable)

  • Tipo: Função chamável
  • Obrigatório: Não
  • Descrição: Esta função de callback opcional é acionada quando o fluxo de texto começa. Use-o para qualquer configuração ou registro que você possa precisar.

on_text_stream_stop (callable)

  • Tipo: Função chamável
  • Obrigatório: Não
  • Descrição: Esta função de retorno de chamada opcional é ativada quando o fluxo de texto termina. Você pode usar isso para tarefas de limpeza ou registro.

on_audio_stream_start (callable)

  • Tipo: Função chamável
  • Obrigatório: Não
  • Descrição: Esta função de callback opcional é invocada quando o fluxo de áudio começa. Útil para atualizações de UI ou registro de eventos.

on_audio_stream_stop (callable)

  • Tipo: Função chamável
  • Obrigatório: Não
  • Descrição: Esta função de callback opcional é chamada quando o fluxo de áudio para. Ideal para limpeza de recursos ou tarefas de pós-processamento.

on_character (callable)

  • Tipo: Função chamável Não
  • Descrição: Esta função de retorno de chamada opcional é chamada quando um único caractere é processado.

output_device_index (int)

  • Tipo: Inteiro
  • Obrigatório: Não
  • Padrão: Nenhum
  • Descrição: Especifica o índice do dispositivo de saída a ser usado. Nenhum usa o dispositivo padrão.

tokenizer (string)

  • Tipo: String
  • Obrigatório: Não
  • Padrão: nltk
  • Descrição: Tokenizador a ser usado para divisão de sentenças (currently "nltk" and "stanza" are supported).

language (string)

  • Tipo: String
  • Obrigatório: Não
  • Padrão: en
  • Descrição: Idioma a usar para a divisão de frases.

muted (bool)

  • Tipo: Bool
  • Obrigatório: Não
  • Padrão: Falso
  • Descrição: Parâmetro global de mudo. Se True, nenhum fluxo pyAudio será aberto. Desativa a reprodução de áudio pelos alto-falantes locais (caso você queira sintetizar para um arquivo ou processar pedaços de áudio) e substitui a configuração de silenciamento dos parâmetros de reprodução.

level (int)

  • Tipo: Inteiro
  • Requerido: Não
  • Padrão: logging.WARNING
  • Descrição: Define o nível de registro para o logger interno. Isso pode ser qualquer constante inteira do módulo logging embutido do Python.

Exemplo de Uso:

engine = YourEngine()  # Substitua pelo seu motor
stream = TextToAudioStream(
    engine=engine,
    on_text_stream_start=my_text_start_func,
    on_text_stream_stop=my_text_stop_func,
    on_audio_stream_start=my_audio_start_func,
    on_audio_stream_stop=my_audio_stop_func,
    level=logging.INFO
)

Métodos

play e play_async

Esses métodos são responsáveis por executar a síntese de texto para áudio e reproduzir o fluxo de áudio. A diferença é que play é uma função bloqueante, enquanto play_async é executada em uma thread separada, permitindo que outras operações prossigam.

Parâmetros:
fast_sentence_fragment (bool)
  • Padrão: True
  • Descrição: Quando definido como True, o método priorizará a velocidade, gerando e reproduzindo fragmentos de frases mais rapidamente. Isso é útil para aplicações onde a latência é importante.
fast_sentence_fragment_allsentences (bool)
  • Padrão: False
  • Descrição: Quando definido como True, aplica o processamento rápido de fragmentos de sentenças a todas as sentenças, não apenas à primeira.
fast_sentence_fragment_allsentences_multiple (bool)
  • Padrão: False
  • Descrição: Quando definido como True, permite gerar múltiplos fragmentos de frase em vez de apenas um único.
buffer_threshold_seconds (float)
  • Padrão: 0.0

  • Descrição: Especifica o tempo em segundos para o limite de buffer, o que impacta a suavidade e a continuidade da reprodução de áudio.

  • Como Funciona: Antes de sintetizar uma nova frase, o sistema verifica se há mais material de áudio restante no buffer do que o tempo especificado por buffer_threshold_seconds. Se for o caso, ele recupera outra frase do gerador de texto, assumindo que pode buscar e sintetizar essa nova frase dentro da janela de tempo fornecida pelo áudio restante no buffer. Este processo permite que o mecanismo de texto-para-fala tenha mais contexto para uma melhor síntese, melhorando a experiência do usuário.

Um valor mais alto garante que haja mais áudio pré-bufferizado, reduzindo a probabilidade de silêncio ou lacunas durante a reprodução. Se você experimentar quebras ou pausas, considere aumentar este valor.

minimum_sentence_length (int)
  • Padrão: 10
  • Descrição: Define o comprimento mínimo de caracteres para considerar uma string como uma frase a ser sintetizada. Isso afeta como os trechos de texto são processados e reproduzidos.
minimum_first_fragment_length (int)
  • Padrão: 10
  • Descrição: O número mínimo de caracteres exigido para o primeiro fragmento de frase antes de ceder.
log_synthesized_text (bool)
  • Padrão: False
  • Descrição: Quando ativado, registra os trechos de texto à medida que são sintetizados em áudio. Útil para auditoria e depuração.
reset_generated_text (bool)
  • Padrão: True
  • Descrição: Se verdadeiro, redefina o texto gerado antes de processar.
output_wavfile (str)
  • Padrão: None
  • Descrição: Se definido, salve o áudio no arquivo WAV especificado.
on_sentence_synthesized (callable)
  • Padrão: Nenhum
  • Descrição: Uma função de callback que é chamada após um único fragmento de sentença ser sintetizado.
before_sentence_synthesized (callable)
  • Padrão: Nenhum
  • Descrição: Uma função de callback que é chamada antes que um único fragmento de frase seja sintetizado.
on_audio_chunk (callable)
  • Padrão: Nenhum
  • Descrição: Função de callback que é chamada quando um único pedaço de áudio está pronto.
tokenizer (str)
  • Padrão: "nltk"
  • Descrição: Tokenizer a ser usado para a divisão de sentenças. Atualmente suporta "nltk" e "stanza".
tokenize_sentences (callable)
  • Padrão: None
  • Descrição: Uma função personalizada que tokeniza sentenças a partir do texto de entrada. Você pode fornecer seu próprio tokenizador leve se não estiver satisfeito com o nltk e o stanza. Deve receber o texto como uma string e retornar as sentenças divididas como uma lista de strings.
language (str)
  • Padrão: "pt"
  • Descrição: Idioma a ser usado para a divisão de frases.
context_size (int)
  • Padrão: 12
  • Descrição: O número de caracteres usados para estabelecer o contexto para a detecção de limites de sentenças. Um contexto maior melhora a precisão na detecção de limites de sentenças.
context_size_look_overhead (int)
  • Padrão: 12
  • Descrição: Tamanho adicional do contexto para olhar à frente ao detectar limites de sentenças.
muted (bool)
  • Padrão: Falso
  • Descrição: Se verdadeiro, desativa a reprodução de áudio pelos alto-falantes locais. Útil quando você quer sintetizar para um arquivo ou processar trechos de áudio sem reproduzi-los.
sentence_fragment_delimiters (str)
  • Padrão: ".?!;:,\n…)]}。-"
  • Descrição: Uma sequência de caracteres que são considerados delimitadores de frases.
force_first_fragment_after_words (int)
  • Padrão: 15
  • Descrição: O número de palavras após o qual o primeiro fragmento de frase é forçado a ser gerado.