问题标签 [amazon-polly]

我正在使用 Amazon Polly 进行文本转语音，但我不想将转换后的文件保存到检索它的 PC 上。相反，我想将其作为流播放。

我已经使用过playsound，但它不适用于返回的变量。

我正在做一个动画项目，为我的角色所说的内容添加字幕。我可以毫无问题地从 AWS Polly 获取 mp3 文件。

但是，当我想分别获取单词的每个部分时，它不起作用。我检查了检查器选项卡，我可以看到一些参数正在传递给polly.aws的请求。知道如何让 json/mark-up 文件知道每个单词和句子的开头和结尾吗？

一些有用的检查链接：https ://aws.amazon.com/blogs/aws/new-amazon-polly-speech-marks/

使用 cli 也可以使用文件：https : //docs.aws.amazon.com/polly/latest/dg/speechmarkexamples.html 但我想在 NodeJs 中使用它

我在这里问了一个问题，几秒钟后我自己回答了：Get mp3 and speech mark from Amazon Polly using NodeJs

我想知道我是否必须打两个电话才能获取文本的 json 和 mp3？

和

似乎 polly ui https://us-east-1.console.aws.amazon.com/polly/home/SynthesizeSpeech也分开做？

^ 没有 mp3 的下载链接，请求 json 时只需播放按钮。

我使用运行亚马逊的 Amazon AI 插件 Polly。一切都很好，但知道我遇到了错误。

我在 Cpanel 中打开代码。

$text = preg_replace('/<' . $value . '>(\s*?)(. ?)(\s ?)</' . $value . '>/', '', $text);

我应该怎么办？出现此错误：

警告：preg_replace()：第 1313 行 /amazon-polly/admin/AmazonAI-Common.php 中的未知修饰符“j”

我正在编写一个 Python 脚本来将 SSML 转换为应用程序的音频。我已经可以进行文本转换，但我正在通过在控制台中进行试验来找出 SSML 部分。

从文档中：https ://docs.aws.amazon.com/polly/latest/dg/supported-ssml.html#emphasis-tag有一个使用带有 level 参数的强调标签的示例：

当我在控制台中输入我的 SSML 时：

按下“收听音频”按钮后，控制台返回错误

输入文本包含无效的 SSML 语法。修复 SSML 语法，然后重试。

如果我删除 level 关键字，那么 SSML 会读取

它被正确转换。

Polly 文档中提供的示例有效，但我无法弄清楚为什么我的文本有错误。

我再次问这个问题，因为 mods 决定在这里关闭我的问题作为重复，在被问到的几分钟内（并且也被否决了！！）。现在，我已经浏览了所有33 个被认为是我的解决方案的答案，但它没有帮助。所以我又问了。

我正在尝试构建一个 FreeSWITCH 模块，以使用 AWS Polly 和 AWS C++ SDK 添加文本转语音功能。开发环境是 Debian 8，g++ 4.9.2。AWS C++ SDK 是使用此处的说明构建的，但我关闭了共享库（生成 .a 库文件）。

AWS C++ SDK 是按照此处的建议构建的（基本上是带有 C++ 链接的 C++ 代码）。mod_polly.cpp也使用 C++ 链接构建以生成mod_polly.so. 它确实引用了一些 C 头文件和函数。这是建造为 -

g++ -shared -o mod_polly.so -L/usr/local/lib/ -laws-cpp-sdk-polly -laws-cpp-sdk-core -fPIC -g -ggdb -std=c++11 -Wall -Werror -I/usr/src/freeswitch/src/include/ -I/usr/src/freeswitch/libs/libteletone/src/mod_polly.cpp

以下来源 -

现在当我尝试加载它时Freeswitch，它会引发错误

2019-07-31 22:00:51.918181 [CRIT] switch_loadable_module.c:1522 加载模块 /usr/local/freeswitch/mod/mod_polly.so 时出错

/usr/local/freeswitch/mod/mod_polly.so：未定义符号：_ZNK3Aws35AmazonSerializableWebServiceRequest7GetBodyEv

Freeswitch 是在头文件中带有 C++ 保护的 C 代码（外部“C”声明）。

看里面的符号mod_polly.so

readelf -Ws mod_polly.so | grep _ZNK3Aws35AmazonSerializableWebServiceRequest7GetBodyEv

66: 0000000000000000 0 NOTYPE GLOBAL DEFAULT UND _ZNK3Aws35AmazonSerializableWebServiceRequest7GetBodyEv

590: 0000000000000000 0 NOTYPE 全球默认 UND _ZNK3Aws35AmazonSerializableWebServiceRequest7GetBodyEv

现在我对这里帖子的基本理解告诉我该符号存在于so文件中但Freeswitch无法找到或加载它。

现在这个错误很可能与混合 C/C++ 代码有关，但是看看这个并没有帮助我弄清楚如何修复它。

我不想构建Freeswitch来加载我的模块，我想我不应该这样做，因为这会使这个项目无法扩展。

我在这里想念什么？

PS：

readelf -Ws libaws-cpp-sdk-core.a | grep AmazonSerializableWebServiceRequest7GetBodyEv

165：0000000000000000 716 FUNC 全局默认值 42 _ZNK3Aws35AmazonSerializableWebServiceRequest7GetBodyEv

符号被定义在libaws-cpp-sdk-core.a其中是编译命令的一部分mod_polly.cpp

在一个 Angular 应用程序中，我设置了一个应用程序，该应用程序使用 Amazon Polly 主要基于this说出一些难以言说的东西。

我不得不像这样导入 Polly，因为我无法让 aws-sdk 允许导入 AWS，这曾经可以工作：

我已经导入了@types/node，并且在tsconfig.app.json 文件的compilerOptions 下的types 下添加了["node']。

我在 polyfills.ts 中添加了以下内容：

对于我的一生，我无法弄清楚为什么下面的“polly”位会抛出一个错误，上面写着：“预期的参数为 0-1，但得到了 2。”

它阻止我部署构建。该怎么办？！

我正在尝试让 AWS Polly 保存 URL 内容的 mp3 音频转录。我已经尝试了几个预先烘焙的脚本，但它们似乎都不起作用。

这是我的目标蓝图： (1) lambda 函数 - 调用 polly api StartSpeechSynthesisTask - 用作文本，URL 的内容 - 将音频文件保存在 s3

这是我在 Lambda 中尝试过的

我希望输出是保存在我的 s3 存储桶中的 MP3 文件。

目前使用 AWS 服务通过 Polly 创建一个 PCM 音频文件并将其存储到 S3 存储桶中。该应用程序使用 AWS lambda 完成所有这些工作。

我正在使用“StartSpeechSynthesisTaskRequest”，它允许用户向 amazon Polly 创建一个请求，并将文件直接传送到用户选择的指定 S3 存储桶中。

我遇到的问题是，一旦运行代码，我最终会得到一个像这样的文件名：

“MY_FILE_NAME.a1f9999f-f00r-6h45-j2ks-pd7fcc9sfw77.pcm”

我想要的是：

“MY_FILE_NAME.pcm”

为什么会发生这种额外的事情？有人得到这个问题的答案吗？

我已经发布了下面的代码。

更新：

如果我打印“startSpeechSynthesisRequest”，在它使用所有参数构建后，它将完全按照我的需要打印“withOutputS3KeyPrefix”。polly 和 S3 存储桶之间出现了问题。

我正在使用 Amazon Polly 生成语音，在我的 Web 应用程序中以“对话式”交互方式说出。这涉及进行 API 调用以获取生成的音频文件，然后在适当的时候播放它以响应用户并与用户交互。

这在桌面 chrome 上效果很好，在桌面 safari 上效果很好，只要我指示用户转到 Safari > 此网站的设置 > 允许所有自动播放。

但是，在 iOS (iPad) 上的 Safari 中，这不起作用。我还没有找到让用户修改首选项并允许自动播放的等效方法。没有这个，我的文本到语音音频被 Safari 的默认自动播放设置阻止播放。

有没有办法让我的用户在他们的 iPad 上为这个网站设置这样的偏好？如果没有，是否有一种解决方法可以让我播放我的语音音频文件？

出于这个问题的目的，让我们假设要求用户启用音频自动播放是一种很好的用户体验。