ANLEITUNG

Eigene Stimme für einen Alexa Skill: eigenes Audio abspielen

Ein Alexa Skill spricht mit der Stimme von Alexa oder einer Amazon-Polly-Stimme. Für einen Quizmaster, einen Geschichtenerzähler, Spielfiguren oder eine Markenstimme reicht das nicht, und SSML hat die Antwort: Das Tag audio spielt mitten in einer Antwort Ihre eigene MP3-Datei ab.

Die kostenlose SuperClonica-Engine vertont diese Dateien offline, mit einer Standardstimme, Ihrer eigenen trainierten Stimme oder einer Figur. Dieser Leitfaden zeigt die genauen Anforderungen von Amazon, wie Sie eine passende MP3 direkt aus Python erzeugen und wie Sie Ihr Audio mit Alexas eigener Sprache mischen.

Stimmen ansehen SuperClonica-Engine installieren

So funktioniert eigenes Audio bei Alexa

Lassen Sie Alexas eigene Stimme vorlesen, was sich ändert, etwa einen Punktestand oder einen Namen, und spielen Sie Ihre Dateien für alles Gleichbleibende ab.

  • Das SSML-Tag audio spielt eine MP3 von einer HTTPS-URL innerhalb einer Antwort ab.
  • Amazon verlangt eine MP3 nach MPEG Version 2 mit 48 kbit/s und 16000, 22050 oder 24000 Hz.
  • Alles Audio einer Antwort darf bis 240 Sekunden dauern, 90 in einem Reprompt, mit höchstens fünf Dateien.
  • SuperClonica spricht 31 Sprachen; Chinesisch wird noch nicht unterstützt.

Die Stimmen gratis anhören

Geben Sie auf der Seite einer beliebigen Stimme eine Zeile Ihres Skills ein, 30 bis 100 Zeichen, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, ob sie zu Quizmaster, Erzähler oder Figur passt, ohne Konto.

Eine Alexa-taugliche MP3 erzeugen

Halten Sie jede Datei kurz und gezielt: eine Begrüßung, eine Frage, ein Signalton. Kurze Dateien laden schneller und lassen sich leichter wiederverwenden.

  • Installieren Sie die Engine: python -m pip install superclonica-cpu.
  • Vertonen Sie eine Zeile und schreiben Sie sie in einem Schritt im Amazon-Format: tts = Superclonica(); audio, rate = tts.synthesize("Willkommen zurück! Dein Quiz beginnt jetzt.", "F1", "de"); sf.write("welcome.mp3", resample_poly(audio, 24000, rate), 24000, format="MP3", bitrate_mode="CONSTANT", compression_level=0.75).
  • Mit soundfile 0.14 und libsndfile 1.2, die mit der Engine kommen, ergibt compression_level 0.75 eine konstante MPEG-2-Datei mit 48 kbit/s bei 24 kHz.
  • Prüfen Sie jede Datei vor dem Hochladen mit ffprobe oder dem Befehl file.

Hosten und abspielen

Hosten Sie die Dateien per HTTPS mit gültigem, vertrauenswürdigem Zertifikat, etwa in einem S3-Bucket; selbstsignierte Zertifikate werden abgelehnt. Abrufe der Dateien sind nicht authentifiziert, sie dürfen also nichts Kundenbezogenes oder Sensibles enthalten. In der Antwort setzen Sie das Tag audio mit der Datei-URL in den SSML-String, den Sie im ASK SDK an speak() übergeben, vor oder nach Alexas eigenen Worten.

Stimmen, die die Zertifizierung bestehen

Amazon prüft jeden Skill vor der Zertifizierung. Nutzen Sie Stimmen, an denen Sie die Rechte haben: die zehn Standardstimmen des Modells, M1 bis M5 und F1 bis F5, Ihre eigene im SuperClonica-Studio trainierte Stimme aus der Aufnahme eines Sprechers, der zugestimmt hat, oder eine auf der Börse bestellte Stimme. Von Fans gemachte Figurenstimmen sind für private Projekte, nicht für einen veröffentlichten Skill, und keine Stimme sollte einen echten Menschen imitieren.