我的文本到語音的語音結果聽起來從來沒有 IBM 演示頁面上的好 (2)

Question

當我使用 CURL 提交文本到語音轉換時，我得到了一個聽起來不錯的音頻文件，但有點機器人和鼻音。 但是這個演示頁面聽起來很棒，我永遠無法獲得如此高質量的結果。 我沒有指定要使用的聲音，所以它使用一些默認值。

https://www.ibm.com/demos/live/tts-demo/self-service/home

上面的頁面和我有什么不同？

我的 curl 命令是這樣的：

$ curl -u "apikey:api-removed" --header "Content-Type: application/json" --header "Accept: audio/ogg" -d "@Greeting_Script.txt" --output greeting.ogg --dump-header "logfile.txt" "url-removed"

Redgar Tech 回答說：“如果您在演示頁面上看到過，您使用的是神經增強的 DNN 版本的聲音。在這里，您使用的是他們沒有完美和訓練的常規聲音。”

然而這個鏈接

https://cloud.ibm.com/docs/text-to-speech?topic=text-to-speech-voices

說

“如果您在合成請求中省略可選語音參數，則服務默認使用 en-US_MichaelV3Voice”

我從我的合成請求中省略了可選的語音參數（見上文），但我沒有得到使用 en-US_MichaelV3Voice 的神經增強語音的結果。

所以我嘗試為 en-US_MichaelV3Voice 添加語音參數，現在結果是清晰的神經增強版本，與演示頁面提供的相同。

因此，這意味着聲明省略可選語音參數默認為 en-US_MichaelV3Voice 的文檔是不正確的。 我認為它可能默認為 en-US_MichaelVoice，它不是神經增強版本。

Answer 1

我已經確認，如果我在合成請求中省略可選的語音參數，該服務默認使用 en-US_MichaelVoice。 證據在日志文件中：

會話名稱：EIHRWWSDMRCEZXKA-en-US_MichaelVoice

這意味着此鏈接上的信息

https://cloud.ibm.com/docs/text-to-speech?topic=text-to-speech-voices

聲明“如果您從合成請求中省略可選語音參數，則該服務默認使用 en-US_MichaelV3Voice。” 是不正確的。

當我為 en-US_MichaelV3Voice 添加語音參數時，日志文件包含以下行：

會話名稱：FIPYVOXYBMNRSQZQ-en-US_MichaelV3Voice