Interface MRCP para TTS

Campos de cabeçalho para Síntese

A tabela abaixo descreve os campos de cabeçalho disponíveis no Servidor MRCP do CPQD para o recurso de TTS. Os métodos estão divididos em dois grupos:

«Requisição»

Significa que a mensagem será trocada no sentido Cliente -> Servidor

«Resposta»

Significa que a mensagem será trocada no sentido Servidor -> Cliente

Header	Versão do MRCP		Eventos	Métodos		Params
	v1	v2		Requisição	Resposta	SET/GET
Completion-Cause	X	X	SPEAK-COMP.	-	-	NÃO
Completion-Reason	-	-	SPEAK-COMP.	-	-	NÃO
Failed-URI	-	-	SPEAK-COMP.	-	SPEAK DEFINE- LEXICON	NÃO
Failed-URI-Cause	-	-	SPEAK-COMP.	-	SPEAK DEFINE- LEXICON BARGE-IN- OCCURRED	NÃO
Speech-Marker	-	-	SPEECH- MARKER	-	SPEAK STOP BARGE-IN- OCCURRED CONTROL	NÃO
Voice-Gender			-	SPEAK CONTROL	-	SIM
Voice-Age	-	-
Voice-Variant	-	-
Voice-Name	X	X
Prosody-Pitch	-	-	-	SPEAK CONTROL	-	SIM
Prosody-Contour	-	-
Prosody-Range	-	-
Prosody-Rate	X	X
Prosody-Duration	-	-
Prosody-Volume	X	X
Speaker-Profile	-	-	-	SPEAK	-	SIM
Speech-Language			-	SPEAK	-	SIM
Kill-On-Barge-In	X	X	-	SPEAK	-	SIM
Fetch-Hint	-	-	-	SPEAK	-	SIM
Audio-Fetch-Hint	-	-	-	SPEAK	-	SIM
Jump-Target	-	-	-	SPEAK CONTROL	-	NÃO
Jump-Size	-	-	-	SPEAK	-	NÃO
Speak-Restart	-	-	-		CONTROL	NÃO
Load-Lexicon	-	-	-	SPEAK	-	SIM
Lexicon-Search-Order	-	-	-	SPEAK	-	SIM

Nota

1. O servidor MRCP faz um mapeamento de gênero/idioma para uma voz padrão. Ver Servidores de recursos MRCP (notas).

Parâmetros de Configuração

Os parâmetros abaixo descritos podem ser configurados via SPEAK (válido somente para a Síntese em questão).

Voice-Name

Solicita ao recurso provedor de Síntese que o texto em questão seja sintetizado por uma voz específica.

Domínio

Cadeia de caracteres. Pode ser uma lista de nomes separada por espaço e ordenada por preferência. Consequentemente, o nome da voz não pode conter espaço. Caso não seja configurado, o recurso de síntese usará seu respectivo valor padrão.

Prosody-Rate

Altera a velocidade da fala para o texto em questão.

Domínio

Os valores permitidos são: - Uma porcentagem não negativa: atua como um multiplicador da taxa padrão - Um dos seguintes rótulos, que representam uma sequência de taxas de fala monotonicamente não decrescentes:

x-slow

slow

medium

fast

x-fast

default

Prosody-Volume

Altera o volume da fala para o texto em questão.

Domínio

Os valores permitidos são: - Um número precedido por + ou - e suscedido por dB - Um dos seguintes rótulos, que representam uma sequência de níveis de volume monotonicamente não decrescentes.

silent

x-soft

soft

medium

loud

x-loud

default

O valor padrão é: +0.0dB. Quando o valor é um número com sinal (dB), ele especifica a razão dos quadrados da nova amplitude a1 e a amplitude atual a0, e é definido em dB: Perceba que todo valor numérico é relativo ao nível atual de volume e eles sempre possuem sinal (inclusive o zero).

Dica

O comportamento desse atributo para um valor definido por rótulo difere de valor definido por número (dB). Um valor numérico altera diretamente a forma de onda, enquanto um valor definido por rótulo pode resultar em alterações prosódicas que representam mais fielmente como um humano alteraria o volume de sua fala.

Kill-On-Barge-In

Interrompe a síntese caso seja detectado a intenção de interação por parte do usuário. Caso habilitado, o método SPEAK é interrompido por detecção de: DTMF ou START-OF-INPUT no Reconhecimento de Fala, caso o mesmo esteja habilitado.

Domínio

Booleano (valor default = true)

Account-Tag

Trata-se de um «Vendor Parameter» utilizado para marcação nos bilhetes de cobrança com uma informação para uso do cliente. Desta forma, irá permitir a indentificação customizada da origem da solicitação de síntese. Para isso o usuáro deverá enviar o parâmetro br.com.cpqd.tts.account-tag e seu valor nas mensagens de set-parameter ou speak.

MRCP/2.0 145 SET-PARAMS 1
Channel-Identifier: e13c68ea4f5d11ea@speechrecog
Vendor-Specific-Parameters: br.com.cpqd.tts.account-tag=Cliente-Um

Use-Streaming

Trata-se de um «Vendor Parameter» utilizado para habilitação do uso de streaming em sínteses que utilizam o TTS Neural, melhorando a síntese de fala em audio em tempo real. Para isso o usuáro deverá enviar o parâmetro br.com.cpqd.tts.use-streaming e seu valor (true/false) nas mensagens de set-parameter ou speak. O valor deste parâmentro sobre-escreve a configuração use_streaming feita no arquivo de configuração do plugin.

MRCP/2.0 145 SET-PARAMS 1
Channel-Identifier: e13c68ea4f5d11ea@speechrecog
Vendor-Specific-Parameters: br.com.cpqd.tts.use-streaming=true

Completion-Cause

Descrição do Completion-Cause para o evento SPEAK-COMPLETE

MRCP v1	MRCP v2	Descrição
000	000	NORMAL: A síntese ocorreu sem problemas
001	001	BARGE-IN: A síntese foi interrompida por bargein
004	004	ERRO: A síntese não foi executada com sucesso
005	005	LANGUAGE-UNSUPPORTED: A língua solicitada não é suportada

Métodos Disponíveis

O Servidor MRCP para TTS suporta as seguintes mensagens:

Métodos	MRCP v1	MRCP v2	Servidor	Descrição
SET-PARAMS	X	X	X	Configura parâmetros da síntese para a sessão
GET-PARAMS	X	X	X	Recupera valores dos parâmetros da síntese da sessão
SPEAK	X	X	X	Inicializa a síntese de fala e fornece o streaming de áudio
PAUSE	X	X	X	Pausa a síntese em andamento
RESUME	X	X	X	Retoma a síntese pausada
STOP	X	X	X	Cancela a síntese em andamento

Eventos Disponíveis

Os eventos do TTS estão descritos na tabela abaixo:

Métodos	MRCP v1	MRCP v2	Servidor	Descrição
BARGE-IN-OCCURRED	X	X	X	Sinaliza a ocrrência de Barge-In para o Sintetizador
SPEAK-COMPLETE	X	X	X	Sinaliza que a síntese foi finalizada