GSP222

Visão geral

A API Text-to-Speech permite criar arquivos de áudio de fala humana gerada por máquina, ou sintética. Você fornece o conteúdo como texto ou em Linguagem de marcação de síntese de fala (SSML), especifica uma voz (um "falante" exclusivo de um idioma com um tom e sotaque distintos) e configura a saída. A API Text-to-Speech retorna o conteúdo que você enviou na forma de dados de áudio que reproduzem o texto, fornecidos pela voz que você especificou.

Neste laboratório, você vai usar a API Text-to-Speech para criar uma série de arquivos de áudio e depois vai ouvi-los para comparar as diferenças.

O que você vai aprender

Neste laboratório, você vai usar a API Text-to-Speech para fazer o seguinte:

• Criar uma série de arquivos de áudio.
• Ouvir e comparar arquivos de áudio.
• Configurar a saída de áudio.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

   {{{user_0.username | "Username"}}}

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

   {{{user_0.password | "Password"}}}

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Ativar o Cloud Shell

O Cloud Shell é uma máquina virtual com várias ferramentas de desenvolvimento. Ele tem um diretório principal permanente de 5 GB e é executado no Google Cloud. O Cloud Shell oferece acesso de linha de comando aos recursos do Google Cloud.

1. Clique em Ativar o Cloud Shell na parte de cima do console do Google Cloud.

2. Clique nas seguintes janelas:

   • Continue na janela de informações do Cloud Shell.
   • Autorize o Cloud Shell a usar suas credenciais para fazer chamadas de APIs do Google Cloud.

Depois de se conectar, você verá que sua conta já está autenticada e que o projeto está configurado com seu Project_ID, . A saída contém uma linha que declara o projeto PROJECT_ID para esta sessão:

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

A gcloud é a ferramenta de linha de comando do Google Cloud. Ela vem pré-instalada no Cloud Shell e aceita preenchimento com tabulação.

3. (Opcional) É possível listar o nome da conta ativa usando este comando:

gcloud auth list

4. Clique em Autorizar.

Saída:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (Opcional) É possível listar o ID do projeto usando este comando:

gcloud config list project

Saída:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Observação: consulte a documentação completa da gcloud no Google Cloud no guia de visão geral da gcloud CLI.

Defina a região do seu projeto

No Cloud Shell, digite o comando a seguir para definir a região em que o projeto será executado neste laboratório:

gcloud config set compute/region {{{project_0.default_region | Region}}}

Tarefa 1: Ativar a API Text-to-Speech

A página da API Cloud Text-to-Speech mostra detalhes, métricas e muito mais.

Ative a API:

1. No Menu de navegação (), clique em APIs e serviços > Biblioteca.

2. Digite text-to-speech na caixa Pesquisar APIs e serviços e clique em API Cloud Text-to-Speech nos resultados da pesquisa.

3. Clique em Ativar para ativar a API Cloud Text-to-Speech.

Aguarde alguns segundos para que a API seja ativada no projeto.

Clique em Verificar meu progresso para conferir o objetivo. Ativar a API Text-to-Speech

Tarefa 2: Criar um ambiente virtual

Os ambientes virtuais Python são usados para isolar do sistema a instalação de pacotes.

1. Instale o ambiente virtualenv:

sudo apt-get install -y virtualenv

2. Crie o ambiente virtual:

python3 -m venv venv

3. Ative o ambiente virtual:

source venv/bin/activate

Tarefa 3: Criar uma conta de serviço

Você usa uma conta de serviço para autenticar suas chamadas à API Text-to-Speech.

Crie uma conta de serviço:

1. Execute o comando a seguir no Cloud Shell:

gcloud iam service-accounts create tts-qwiklab

2. Gere uma chave para usar essa conta de serviço:

gcloud iam service-accounts keys create tts-qwiklab.json --iam-account tts-qwiklab@{{{project_0.project_id | Project ID}}}.iam.gserviceaccount.com

3. Por fim, defina a variável de ambiente GOOGLE_APPLICATION_CREDENTIALS como o local do seu arquivo de chave:

export GOOGLE_APPLICATION_CREDENTIALS=tts-qwiklab.json

Clique em Verificar meu progresso para conferir o objetivo. Criar uma conta de serviço

Tarefa 4: Obter uma lista de vozes disponíveis

A API Text-to-Speech oferece diferentes vozes e idiomas que você pode usar para criar arquivos de áudio. Você pode usar qualquer uma das vozes disponíveis como falante do seu conteúdo.

Observação: a API Text-to-Speech inclui várias vozes premium, conhecidas como vozes WaveNet, que geram uma fala sintética com som mais natural. Essas vozes também são um pouco mais caras do que outras disponíveis. Consulte a página de preços do Cloud Text-to-Speech para mais detalhes.

1. Ainda no Cloud Shell, use o seguinte comando curl para listar as vozes disponíveis ao usar a API Text-to-Speech para criar falas sintéticas:

curl -H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \ -H "Content-Type: application/json; charset=utf-8" \ "https://texttospeech.googleapis.com/v1/voices"

A API Text-to-Speech retorna um resultado em formato JSON semelhante a este:

{ "voices": [ { "languageCodes": [ "es-ES" ], "name": "es-ES-Standard-A", "ssmlGender": "FEMALE", "naturalSampleRateHertz": 24000 }, { "languageCodes": [ "ja-JP" ], "name": "ja-JP-Standard-A", "ssmlGender": "FEMALE", "naturalSampleRateHertz": 22050 }, { "languageCodes": [ "pt-BR" ], "name": "pt-BR-Standard-A", "ssmlGender": "FEMALE", "naturalSampleRateHertz": 24000 }, ... ] }

Nos resultados do comando curl, observe que cada voz tem quatro campos:

• name: o ID da voz que você fornece para solicitar essa voz.
• ssmlGender: o gênero da voz que vai falar o texto, conforme definido na recomendação W3 da SSML.
• naturalSampleRateHertz: a taxa de amostragem da voz.
• languageCodes: a lista de códigos de idioma associados a essa voz.

Observe também que alguns idiomas têm várias vozes para escolher.

2. Limite o escopo dos resultados retornados da API a um único código de idioma:

curl -H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \ -H "Content-Type: application/json; charset=utf-8" \ "https://texttospeech.googleapis.com/v1/voices?language_code=en"

Tarefa 5: Criar falas sintéticas a partir de um texto

Agora que você já sabe como conseguir os nomes das vozes para falar seu texto, é hora de criar uma voz sintética.

Crie sua solicitação

Para isso, use o editor do Cloud Shell para criar sua solicitação à API Text-to-Speech em um arquivo de texto chamado synthesize-text.json.

1. No Cloud Shell, clique em Abrir editor para abrir o editor do Cloud Shell.

2. Na barra de ações, clique em Arquivo > Novo arquivo.

3. No campo Selecionar tipo de arquivo ou inserir nome do arquivo, insira synthesize-text.json.

4. Clique em OK.

5. Adicione o seguinte código a synthesize-text.json:

{ 'input':{ 'text':'A API Cloud Text-to-Speech permite que os desenvolvedores incluam fala humana sintética, de sonoridade natural, como áudio que pode ser reproduzido em aplicativos. Essa API converte a entrada de texto ou de Linguagem de marcação de síntese de fala (SSML) em dados de áudio como MP3 ou LINEAR16 (a codificação usada em arquivos WAV).' }, 'voice':{ 'languageCode':'en-gb', 'name':'en-GB-Standard-A', 'ssmlGender':'FEMALE' }, 'audioConfig':{ 'audioEncoding':'MP3' } }

6. Clique em Arquivo > Salvar para salvar o arquivo.

A solicitação formatada em JSON fornece três objetos:

• input: fornece o texto a ser traduzido em fala sintética.
• voice: objeto que especifica a voz a ser usada na fala sintética.
• audioConfig: informa à API Text-to-Speech qual tipo de codificação de áudio enviar de volta.

7. Clique em Abrir terminal para retornar ao terminal.

8. Chame a API Text-to-Speech

curl -H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \ -H "Content-Type: application/json; charset=utf-8" \ -d @synthesize-text.json "https://texttospeech.googleapis.com/v1/text:synthesize" \ > synthesize-text.txt

A saída dessa chamada é salva em um arquivo denominado synthesize-text.txt.

9. Clique em Abrir editor e abra o arquivo synthesize-text.txt. Observe que a API Text-to-Speech fornece a saída de áudio em texto codificado em base64 atribuído ao campo audioContent, semelhante ao que é mostrado abaixo:

{ "audioContent": "//NExAASGoHwABhGudEACdzqFXfRE4EY3AACkD/zX4ADf/6J/[...]" }

Traduza a resposta

Para traduzir a resposta em áudio, você seleciona os dados de áudio que synthesize-text.txt contém e os decodifica em um arquivo de áudio, que neste laboratório é um arquivo MP3. Há muitas maneiras de fazer isso. Este laboratório fornece um código Python simples.

1. Na barra de ações, clique em Arquivo > Novo arquivo.

2. No campo Selecionar tipo de arquivo ou inserir nome do arquivo, digite e insira tts_decode.py.

3. Clique em OK.

4. Digite ou copie o seguinte em tts_decode.py:

import argparse from base64 import decodebytes import json """ Usage: python tts_decode.py --input "synthesize-text.txt" \ --output "synthesize-text-audio.mp3" """ def decode_tts_output(input_file, output_file): """ Decode output from Cloud Text-to-Speech. input_file: a resposta da API Cloud Text-to-Speech output_file: o nome do arquivo de áudio a ser criado """ with open(input_file) as input: response = json.load(input) audio_data = response['audioContent'] with open(output_file, "wb") as new_file: new_file.write(decodebytes(audio_data.encode('utf-8'))) if __name__ == '__main__': parser = argparse.ArgumentParser( description="Decode output from Cloud Text-to-Speech", formatter_class=argparse.RawDescriptionHelpFormatter) parser.add_argument('--input', help='A resposta da API Text-to-Speech.', required=True) parser.add_argument('--output', help='O nome do arquivo de áudio a ser criado', required=True) args = parser.parse_args() decode_tts_output(args.input, args.output)

5. Salve tts_decode.py.

Crie e execute o arquivo de áudio

Para criar um arquivo de áudio com base na resposta recebida da API Text-to-Speech:

1. Clique em Abrir terminal para retornar ao Cloud Shell.

2. Crie o arquivo de áudio synthesize-text-audio.mp3:

python tts_decode.py --input "synthesize-text.txt" --output "synthesize-text-audio.mp3"

3. Clique em Abrir editor para abrir o editor do Cloud Shell.

4. Clique em synthesize-text-audio.mp3 no painel esquerdo para abrir o arquivo.

5. Reproduza o áudio. Você ouve a voz sintética falar o texto que você forneceu.

Tarefa 6: Criar falas sintéticas com SSML

Além de usar texto, você também pode fornecer entradas para a API Text-to-Speech na forma de Linguagem de marcação de síntese de fala (SSML). A SSML define um formato XML para representar a fala sintética. Usando a entrada SSML, você pode controlar com mais precisão pausas, ênfase, pronúncia, tom, velocidade e outras qualidades na saída da fala sintética.

Crie sua solicitação

Primeiro, crie sua solicitação para a API Text-to-Speech em um arquivo de texto chamado synthesize-ssml.json.

1. Ainda no editor do Cloud Shell, na barra de ações, clique em Arquivo > Novo arquivo.

2. No campo Selecionar tipo de arquivo ou inserir nome do arquivo, digite e insira synthesize-ssml.json.

3. Clique em OK.

4. Digite ou copie o seguinte no arquivo synthesize-ssml.json:

{ 'input':{ 'ssml':'<speak><s> <emphasis level="moderate">A API Cloud Text-to-Speech</emphasis> permite que os desenvolvedores incluam fala humana sintética, de sonoridade natural, <break strength="x-weak"/> na forma de áudio que pode ser reproduzido em aplicativos.</s> <s>A API Text-to-Speech converte texto ou <prosody rate="slow">Linguagem de marcação de síntese de fala</prosody> <say-as interpret-as=\"characters\">SSML</say-as> em dados de áudio como <say-as interpret-as=\"characters\">MP3</say-as> ou <sub alias="linear sixteen">LINEAR16</sub> <break strength="weak"/> (a codificação usada em arquivos <sub alias="wave">WAV</sub>).</s></speak>' }, 'voice':{ 'languageCode':'pt-BR', 'name':'pt-BR-Standard-A', 'ssmlGender':'FEMALE' }, 'audioConfig':{ 'audioEncoding':'MP3' } }

Observe que o objeto input do payload JSON a ser enviado inclui algumas coisas diferentes desta vez:

• Em vez de um campo text, o objeto input tem um campo ssml.
• O campo ssml contém conteúdo formatado em XML com o elemento <speak> como raiz.

Cada um dos elementos presentes nessa representação XML da entrada afeta a saída da fala sintética.

Especificamente, os elementos desta amostra têm os seguintes efeitos:

• <s> contém uma frase.
• <emphasis> enfatiza a palavra ou frase entre as tags.
• <break> insere uma pausa na fala.
• <prosody> personaliza o tom, a taxa de fala ou o volume do texto incluído, conforme especificado pelos atributos rate, pitch ou volume.
• <say-as> oferece mais orientações sobre como interpretar e dizer o texto incluído, por exemplo, se uma sequência de números deve ser falada como ordinal ou cardinal.
• <sub> especifica um valor de substituição para o texto incluído.

Observação: você pode conferir a lista completa de elementos SSML compatíveis com o Cloud Text-to-Speech na referência de SSML.

3. Clique em Abrir terminal para abrir o terminal do Cloud Shell.

4. Chame a API Text-to-Speech e salve a saída em um arquivo chamado synthesize-ssml.txt:

curl -H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \ -H "Content-Type: application/json; charset=utf-8" \ -d @synthesize-ssml.json "https://texttospeech.googleapis.com/v1/text:synthesize" \ > synthesize-ssml.txt

Crie e execute o arquivo de áudio

De novo, você precisa decodificar a saída da API Text-to-Speech antes de ouvir o áudio.

1. Clique em Abrir terminal. Execute o comando a seguir para gerar um arquivo de áudio chamado synthesize-ssml-audio.mp3 usando o utilitário tts_decode.py que você criou anteriormente:

python tts_decode.py --input "synthesize-ssml.txt" --output "synthesize-ssml-audio.mp3"

2. Clique em Abrir editor.

3. Clique em synthesize-ssml-audio.mp3 no painel esquerdo e reproduza o arquivo de áudio incorporado.

Observe as diferenças na saída SSML e na saída do arquivo de texto: embora os dois arquivos de áudio digam as mesmas palavras, a saída SSML as pronuncia de forma um pouco diferente, adicionando pausas e pronúncias diferentes para abreviações.

Tarefa 7: Configurar a saída de áudio e os perfis de dispositivos

Além da SSML, você pode personalizar ainda mais a saída de fala sintética criada pela API Text-to-Speech. Você pode especificar outras codificações de áudio, mudar o tom da saída de áudio e até mesmo solicitar que a saída seja otimizada para um tipo específico de hardware.

Crie sua solicitação

Crie a solicitação para a API Text-to-Speech em um arquivo de texto chamado synthesize-with-settings.json:

1. Na barra de ações, clique em Arquivo > Novo arquivo.

2. No campo Selecionar tipo de arquivo ou inserir nome do arquivo, digite e insira synthesize-with-settings.json.

3. Clique em OK.

4. Digite ou copie o seguinte para o arquivo synthesize-with-settings.json:

{ 'input':{ 'text':'A API Text-to-Speech é ideal para qualquer aplicativo que reproduza áudio da fala humana para os usuários. Ele permite converter strings, palavras e frases arbitrárias para o som de uma pessoa falando aquilo.' }, 'voice':{ 'languageCode':'en-us', 'name':'en-GB-Standard-A', 'ssmlGender':'FEMALE' }, 'audioConfig':{ 'speakingRate': 1.15, 'pitch': -2, 'audioEncoding':'OGG_OPUS', 'effectsProfileId': ['headphone-class-device'] } }

5. Salve o arquivo.

Observe que o objeto audioConfig agora contém outros campos:

• O campo speakingRate especifica a velocidade com que o falante diz a voz. O valor 1,0 é a velocidade normal da voz, 0,5 é metade dessa velocidade e 2,0 é o dobro.
• O campo pitch especifica uma diferença no tom para falar as palavras. O valor aqui especifica um número de semitons mais baixos (negativo) ou mais altos (positivo) para falar as palavras.
• O campo audioEncoding especifica a codificação de áudio a ser usada nos dados. Os valores aceitos para esse campo são LINEAR16, MP3 e OGG_OPUS.
• O campo effectsProfileId solicita que a API Text-to-Speech otimize a saída de áudio para um dispositivo de reprodução específico. A API aplica um perfil de áudio predefinido à saída que melhora a qualidade do áudio na classe especificada de dispositivos.

Observação: o recurso de perfis de áudio está em versão Beta. Consulte o guia para saber como usá-lo no seu aplicativo. Todas as outras configurações descritas aqui estão em disponibilidade geral para uso normal no seu aplicativo.

4. Clique em Abrir terminal.

5. Chame a API Text-to-Speech

curl -H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \ -H "Content-Type: application/json; charset=utf-8" \ -d @synthesize-with-settings.json "https://texttospeech.googleapis.com/v1beta1/text:synthesize" \ > synthesize-with-settings.txt

A saída dessa chamada é salva em um arquivo denominado synthesize-with-settings.txt.

Crie e execute o arquivo de áudio

1. Execute o comando a seguir para gerar um arquivo de áudio chamado synthesize-with-settings-audio.mp3 a partir da saída recebida da API Text-to-Speech:

python tts_decode.py --input "synthesize-with-settings.txt" --output "synthesize-with-settings-audio.ogg"

2. Clique em Abrir editor para abrir o editor do Cloud Shell.

3. Clique em synthesize-with-settings-audio.mp3 no painel esquerdo para abrir o arquivo e reproduzir o áudio.

4. Reproduza o arquivo de áudio synthesize-with-settings-audio.mp3 e os outros arquivos de áudio que você criou neste laboratório. Observe que a voz no áudio fala um pouco mais rápido e mais baixo do que nos outros arquivos de áudio.

Parabéns!

Você aprendeu a criar falas sintéticas usando a API Cloud Text-to-Speech. Abordamos os seguintes assuntos:

• Listar todas as vozes sintéticas disponíveis na API Text-to-Speech
• Criar uma solicitação da API Text-to-Speech e chamar a API com curl, fornecendo texto e SSML
• Configurar a saída de áudio, incluindo a especificação de um perfil de dispositivo para reprodução de áudio

Próximas etapas / Saiba mais

• Confira a documentação detalhada da API Text-to-Speech em cloud.google.com.
• Saiba como criar falas sintéticas usando as bibliotecas de cliente da API Text-to-Speech.

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 5 de setembro de 2025

Laboratório testado em 4 de novembro de 2024

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.