TTS_TextToSpeechStream¶

Efetua uma conversão de texto em fala via streaming. Nesse modo de operação o CPqD Texto Fala retornará porções do áudio na medida em que a síntese de fala é efetuada. A entrega do áudio é realizada via função de callback e a função TTS_TextToSpeechStream retornará apenas ao final do processo. O tamanho dos blocos de áudio gerados é variável e, em geral, dependente do plugin de síntese que estiver sendo utilizado.

Esse modo de operação é útil em aplicações onde o tempo de resposta é um fator crítico, como em cenários envolvendo diálogo em tempo real. Pode, ainda, ser útil para melhorar o tempo de resposta quando processando textos muito extensos.

Assim como na função TTS_TextToSpeech, o áudio resultante do processo de síntese também estará armazenado na sessão e poderá se recuperado pela função TTS_CopyAudio ou TTS_SaveAudio. Caso a aplicação solicite outra síntese de fala na mesma sessão, o buffer de áudio da sessão será sobrescrito e passará a conter o áudio relativo do último pedido de síntese.

TTS_RETURN TTS_TextToSpeechStream( TTS_HANDLE handle, const char *text,
     TTS_STREAM_CALLBACK *callback, void *data )

handle: Identificador da sessão, previamente criada pela função TTS_CreateSession.
text: Texto de entrada a ser sintetizado. O texto deve estar codificado em ISO-8859-15 ou UTF-8.
callback: Ponteiro para uma função da aplicação que obedeça o protótipo especificado pelo tipo TTS_STREAM_CALLBACK. Essa função será invocada pelo CPqD Texto Fala toda vez que houve um bloco de áudio a ser entregue.
data: Ponteiro arbitrário da aplicação a ser passado para a função de _callback_, indicada pelo parâmetro anterior.

A função de callback da aplicação, invocada pelo CPqD Texto Fala, recebe o bloco de áudio gerado e algumas informações adicionais. Essa função deve retornar um valor diferente de zero para indicar que a síntese de fala deve prosseguir ou um valor igual a zero para abortar a síntese. Dessa forma, a aplicação pode controlar o andamento da síntese.

typedef uint8_t TTS_STREAM_CALLBACK( TTS_HANDLE handle,
        const TTS_STREAM_EVENT *event, void *data )

handle: Identificador da sessão, previamente criada pela função TTS_CreateSession.
event: Pointeiro para um objeto TTS_STREAM_EVENT contendo informações sobre o evento ocorrido.
data: Ponteiro arbitrário fornecido pela aplicação na chamada de TTS_TextToSpeechStream.

Essa função retorna um código de erro do tipo TTS_RETURN. Se o valor retornado for igual a zero (TTS_OK), a operação foi realizada com sucesso. Caso contrário, algum erro ocorreu durante a operação e o valor retornado corresponde a um dos códigos de erros descritos no Apêndice I.

A estrutura TTS_STREAM_EVENT contém detalhes sobre o evento ocorrido.

typedef struct TTS_STREAM_EVENT
{
    TTS_RETURN Result;

    uint32_t Order;

    TTS_AUDIO_BUFFER *Audio;

} TTS_STREAM_EVENT;

Result

Se o bloco foi sintetizado com sucesso, esse campo conterá o valor TTS_OK. Caso contrário, conterá um dos códigos de erros listados no Apêndice I.

Order

Indica a ordem da chamada da callback e pode assumir três valores:

TTS_ORDER_FIRST: Indica que a síntese de fala começou. O bloco de áudio pode ser vazio nesse momento.
TTS_ORDER_INTERMEDIATE: Indica que a síntese está em andamento e a chamada contém uma porção intermediária do áudio.
TTS_ORDER_LAST: Indica que a síntes de fala terminou. O bloco de áudio pode ser vazio nesse momento.

Audio

Ponteiro para um objeto TTS_AUDIO_BUFFER contendo o áudio. Esse campo pode ser NULL se o valor do campo Order for TTS_ORDER_FIRST ou TTS_ORDER_LAST.

A estrutura TTS_AUDIO_BUFFER contém o bloco de áudio e informações sobre a codificação utilizada.

typedef struct TTS_AUDIO_BUFFER
{

    int8_t* Content;

    uint32_t Length;

    uint32_t Allocated;

    uint8_t BitsPerSample;

    uint8_t Channels;

    uint16_t SampleRate;

} TTS_AUDIO_BUFFER;

Content: Pointeiro para a região de memória que contém as amostras de áudio.
Length: Comprimento, em bytes, da região de memória apontada por Content.
Allocated: Reservado para uso interno.
BitsPerSample: Número de bits por amostra.
Channels: Númer de canais. Pode ser 1 (mono) ou 2 (sterio).
SampleRate: Taxa de amostragem em Hz.