搭配 Node.js 使用 Text-to-Speech API

1. 總覽

Google Cloud Text-to-Speech API 可讓開發人員在應用程式中加入自然的合成人類語音，做為可播放的音訊。Text-to-Speech API 將文字或語音合成標記語言 (SSML) 輸入轉換成音訊資料，例如 MP3 或 LINEAR16 (WAV 檔案使用的編碼)。

在本程式碼研究室中，您將專注於搭配 Node.js 使用 Text-to-Speech API。您將瞭解如何列出可用的語音，以及如何從文字合成音訊。

課程內容

• 如何使用 Cloud Shell
• 如何啟用 Text-to-Speech API
• 如何驗證 API 要求
• 如何安裝 Node.js 適用的 Google Cloud 用戶端程式庫
• 如何列出可用的語音
• 如何從文字合成音訊

軟硬體需求

• Google Cloud Platform 專案
• 瀏覽器，例如 Chrome 或 Firefox
• 熟悉 Node.js

問卷調查

您會如何使用這個教學課程？

僅供閱讀 閱讀並完成練習

您對 Node.js 的使用體驗有何評價？

新手 中級 還算容易

根據您使用 Google Cloud Platform 服務的經驗，您會給予什麼評價？

新手 中級 還算容易

2. 設定和需求

自修環境設定

1. 登入 Cloud 控制台建立新專案，或是重複使用現有專案。(如果您還沒有 Gmail 或 G Suite 帳戶，請先建立帳戶)。

注意：只要記住控制台網址 ( console.cloud.google.com)，即可輕鬆存取 Cloud 控制台。

提醒您，專案 ID 是所有 Google Cloud 專案的專屬名稱 (已經有人使用上述名稱，很抱歉對您不符！)。稍後在本程式碼研究室中會稱為 PROJECT_ID。

注意：如果您使用 Gmail 帳戶，請保留預設位置的「無機構」。如果您使用的是 G Suite 帳戶，請選擇適合貴機構的位置。

2. 接下來，您需要在 Cloud 控制台中啟用計費功能，才能使用 Google Cloud 資源。

執行這個程式碼研究室並不會產生任何費用，如果有的話。請務必依照「清除所用資源」一節指示本節將說明如何關閉資源，這樣您就不會產生本教學課程結束後產生的費用。Google Cloud 的新使用者符合 $300 美元免費試用計畫的資格。

啟動 Cloud Shell

雖然 Google Cloud 可以從筆記型電腦遠端操作，但在本程式碼研究室中，您將使用 Google Cloud Shell，這是一種在 Cloud 中執行的指令列環境。

啟用 Cloud Shell

1. 在 Cloud 控制台中，按一下「啟用 Cloud Shell」圖示 。

如果您從未啟動 Cloud Shell，您會看見中繼畫面 (需捲動位置)，說明螢幕內容。如果出現這種情況，請按一下「繼續」 (之後不會再顯示)。以下是單次畫面的外觀：

佈建並連線至 Cloud Shell 只需幾分鐘的時間。

這部虛擬機器都裝載了您需要的所有開發工具。提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作，大幅提高網路效能和驗證能力。在本程式碼研究室中，您的大部分作業都可以透過瀏覽器或 Chromebook 完成。

連線至 Cloud Shell 後，您應會發現自己通過驗證，且專案已設為您的專案 ID。

2. 在 Cloud Shell 中執行下列指令，確認您已通過驗證：

gcloud auth list

指令輸出

 Credentialed Accounts
ACTIVE  ACCOUNT
*       <my_account>@<my_domain.com>

To set the active account, run:
    $ gcloud config set account `ACCOUNT`

注意：gcloud 指令列工具是 Google Cloud 中功能強大的整合式指令列工具。已預先安裝於 Cloud Shell 中。您會發現系統支援分頁完成功能。如要瞭解詳情，請參閱 gcloud 指令列工具總覽。

gcloud config list project

指令輸出

[core]
project = <PROJECT_ID>

如果尚未設定，請使用下列指令進行設定：

gcloud config set project <PROJECT_ID>

指令輸出

Updated property [core/project].

3. 啟用 Text-to-Speech API

您必須先啟用 API，才能開始使用 Text-to-Speech API。您可以在 Cloud Shell 中使用下列指令啟用 API：

gcloud services enable texttospeech.googleapis.com

注意：如果此指令「ERROR」，請檢查目前的專案 ID 是否與程式碼研究室的專案 ID 相符。

使用下列指令來尋找 Cloud Shell 目前使用的專案 ID：

gcloud info | grep "project"

如果專案 ID 不正確，請使用下列指令來使用正確的專案 ID：

gcloud config set project <PROJECT_ID>

將 <PROJECT_ID> 替換為正確的專案 ID。

4. 驗證 API 要求

為了向 Text-to-Speech API 提出要求，您必須使用服務帳戶。服務帳戶屬於您的專案，供 Google Client Node.js 程式庫使用這個帳戶提出 Text-to-Speech API 要求。就像任何其他使用者帳戶一樣，服務帳戶都是以電子郵件地址表示。在本節中，您將使用 Cloud SDK 建立服務帳戶，然後建立必要憑證以服務帳戶身分進行驗證。

首先，使用 GOOGLE_CLOUD_PROJECT 設定環境變數，您在本程式碼研究室中都會使用這個變數：

export GOOGLE_CLOUD_PROJECT=$(gcloud config get-value core/project)

接著，使用以下指令建立新的服務帳戶來存取 Text-to-Speech API：

gcloud iam service-accounts create my-text-to-speech-sa \
  --display-name "my text-to-speech codelab service account"

接下來，建立 Node.js 程式碼將用來登入做為新服務帳戶的憑證。建立這些憑證，並將其儲存為 JSON 檔案「~/key.json」使用以下指令：

gcloud iam service-accounts keys create ~/key.json \
  --iam-account  my-text-to-speech-sa@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com

最後，設定 GOOGLE_APPLICATION_CREDENTIALS 環境變數，這是 Text-to-Speech API Node.js 程式庫所用的變數 (會在下個步驟中介紹) 以尋找您的憑證。使用以下指令，環境變數應設為所建立 JSON 憑證檔案的完整路徑：

export GOOGLE_APPLICATION_CREDENTIALS="/home/${USER}/key.json"

5. 安裝 Node.js 適用的 Google Cloud Text-to-Speech API 用戶端程式庫

首先，請建立用於執行這個 Text-to-Speech API 研究室的專案，並在您選擇的資料夾中初始化新的 Node.js 套件：

npm init

NPM 會針對專案設定詢問幾個相關問題，例如名稱和版本。針對每個問題，按 ENTER 即可接受預設值。預設進入點是名為 index.js 的檔案。

接著，將 Google Cloud Speech 程式庫安裝到專案：

npm install --save @google-cloud/text-to-speech

如要進一步瞭解如何設定 Google Cloud 適用的 Node.js 開發作業，請參閱設定指南。

現在您可以開始使用 Text-to-Speech API 了！

6. 列出可用的語音

在本節中，您需要先列出所有可用的英文語音。

前往檔案內的 index.js 檔案，然後將程式碼替換成以下內容：

'use strict';

/**
 * Lists available voices for the specified language.
 *
 * @param {string} languageCode - The language code.
 */
async function listVoices(languageCode) {
  const textToSpeech = require('@google-cloud/text-to-speech');

  const client = new textToSpeech.TextToSpeechClient();

  const [result] = await client.listVoices({languageCode});
  const voices = result.voices;

  voices.forEach((voice) => {
    console.log(`${voice.name} (${voice.ssmlGender}): ${voice.languageCodes}`);
  });
}

listVoices('en');

請花一兩分鐘研究這個程式碼。執行應用程式：

node . 

您應該會看到以下的輸出內容：

en-US-Standard-A (MALE): en-US
en-US-Standard-B (MALE): en-US
en-US-Standard-C (FEMALE): en-US
en-US-Standard-D (MALE): en-US
en-US-Standard-E (FEMALE): en-US
en-US-Standard-F (FEMALE): en-US
...

注意：如果這個 Node.js 程式碼不適用，請驗證您在驗證 API 要求步驟中執行的操作說明。

請使用下列指令驗證 GOOGLE_APPLICATION_CREDENTIALS 環境變數的值：

echo GOOGLE_APPLICATION_CREDENTIALS

這會輸出值 "~/key.json".

如果是，請使用以下程式碼，檢查服務帳戶是否已建立，且位於 "~/key.json"：

cat "~/key.json"

內容大致如下所示：

{

"type": "service_account",

"project_id": "PROJECT_ID",

"private_key_id": "ff31939192529e07f42e4535fb20bb029def1276",

"Private_key":...

如果沒有，請再次查看「Authenticate API 要求」步驟。

7. 從文字合成音訊

您可以使用 Text-to-Speech API，將字串轉換為音訊資料。您可以透過多種方式設定語音合成的輸出內容，包括選取不重複的語音或調節音調、旋律、說話速率和取樣率。

瀏覽至 index.js 中的 檔案，並附加以下程式碼：

/**
 * Sythesizes sample text into an .mp3 file.
 */
async function synthesize() {
  const textToSpeech = require('@google-cloud/text-to-speech');
  const fs = require('fs');
  const util = require('util');

  const client = new textToSpeech.TextToSpeechClient();

  const text = 'This is a demonstration of the Google Cloud Text-to-Speech API';

  const request = {
    input: {text: text},
    voice: {languageCode: 'en-US', ssmlGender: 'NEUTRAL'},
    audioConfig: {audioEncoding: 'MP3'},
  };

  const [response] = await client.synthesizeSpeech(request);
  // Write the binary audio content to a local file
  const writeFile = util.promisify(fs.writeFile);
  await writeFile('output.mp3', response.audioContent, 'binary');
  console.log('Audio content written to file: output.mp3');
}

synthesize();

請花一兩分鐘研究這個課程代碼，看看如何透過文字生成音訊檔案。

node .

您應該會看到以下的輸出內容：

Audio content written to file "output.mp3"

8. 恭喜！

您已瞭解如何使用 Node.js 來使用 Text-to-Speech API，對音訊檔案執行不同類型的語音轉錄！

清除所用資源

如何避免系統向您的 Google Cloud Platform 帳戶收取您在本快速入門導覽課程中所用資源的相關費用：

• 前往 Cloud Platform 主控台。
• 選取您要關閉的專案，然後按一下「刪除」會安排將專案刪除。

瞭解詳情

• Google Cloud Text-to-Speech API：https://cloud.google.com/text-to-speech/docs
• Google Cloud Platform 上的 Node.js：https://cloud.google.com/nodejs/
• Google Cloud Node.js 用戶端：https://googlecloudplatform.github.io/google-cloud-node/

授權

這項內容採用的是創用 CC 姓名標示 2.0 通用授權。