GUIA

Voz própria numa skill da Alexa: toque o seu próprio áudio

Uma skill da Alexa fala com a voz da Alexa ou com uma das vozes do Amazon Polly. Para um apresentador de quiz, um narrador de histórias, personagens de jogo ou a voz de uma marca, isso não basta, e o SSML tem a resposta: a tag audio toca um MP3 seu no meio de uma resposta.

O motor gratuito SuperClonica gera esses arquivos offline, com uma voz padrão, a sua própria voz treinada ou um personagem. Este guia mostra os requisitos exatos da Amazon, como criar um MP3 válido direto do Python e como misturar o seu áudio com a fala da própria Alexa.

Ver vozes Instalar o motor SuperClonica

Como funciona o áudio próprio na Alexa

Deixe a própria voz da Alexa ler o que muda, como uma pontuação ou um nome, e toque os seus arquivos em tudo que se repete.

  • A tag audio do SSML toca um MP3 de uma URL HTTPS dentro de uma resposta.
  • A Amazon exige um MP3 MPEG versão 2 a 48 kbps, com taxa de 16000, 22050 ou 24000 Hz.
  • Todo o áudio de uma resposta pode durar até 240 segundos, 90 num reprompt, com no máximo cinco arquivos.
  • A SuperClonica fala 31 idiomas; o chinês ainda não é suportado.

Ouça as vozes grátis

Na página de qualquer voz, escreva uma fala da sua skill, de 30 a 100 caracteres, escolha o idioma e clique no botão para gerar. Em poucos segundos você ouve se combina com o apresentador, o narrador ou o personagem, sem conta.

Crie um MP3 pronto para a Alexa

Faça cada arquivo curto e objetivo: uma saudação, uma pergunta, um efeito. Arquivos curtos carregam mais rápido e são mais fáceis de reutilizar.

  • Instale o motor: python -m pip install superclonica-cpu.
  • Gere uma fala e grave no formato da Amazon de uma vez: tts = Superclonica(); audio, rate = tts.synthesize("Bem-vindo de volta! O seu quiz começa agora.", "F1", "pt"); sf.write("welcome.mp3", resample_poly(audio, 24000, rate), 24000, format="MP3", bitrate_mode="CONSTANT", compression_level=0.75).
  • Com o soundfile 0.14 e o libsndfile 1.2, que vêm com o motor, compression_level 0.75 gera um MPEG-2 constante de 48 kbps a 24 kHz.
  • Confira cada arquivo antes de enviar, com o ffprobe ou o comando file.

Hospede e toque

Hospede os arquivos via HTTPS com um certificado válido e confiável, por exemplo num bucket do S3; certificados autoassinados são recusados. As requisições aos arquivos não são autenticadas, então eles não podem conter nada pessoal ou sensível do cliente. Na resposta, coloque a tag audio com a URL do arquivo na string SSML que você passa ao speak() no ASK SDK, antes ou depois das palavras da Alexa.

Vozes que passam na certificação

A Amazon revisa toda skill antes da certificação. Use vozes sobre as quais tem direitos: as dez vozes padrão do modelo, de M1 a M5 e de F1 a F5, a sua própria voz treinada no estúdio da SuperClonica a partir da gravação de um locutor que concordou, ou uma voz encomendada na bolsa de pedidos. Vozes de personagens feitas por fãs são para projetos pessoais, não para uma skill publicada, e nenhuma voz deve imitar uma pessoa real.