pyht
1.0.0
pyht é um SDK Python para a API AI Text-to-Speech do PlayHT. PlayHT cria modelos de IA de voz conversacional para casos de uso em tempo real. Com pyht , você pode converter facilmente texto em fluxos de áudio de alta qualidade com vozes humanas.
Atualmente, a biblioteca suporta apenas streaming de texto para fala. Para o conjunto completo de funcionalidades fornecidas pela API PlayHT, como Clonagem de Voz, consulte a documentação do PlayHT
aiohttpfilelockgrpcrequestswebsocketsVocê pode instalar o SDK pyht usando pip:
pip install pyht Você pode usar o SDK pyht criando uma instância Client e chamando seu método tts . Aqui está um exemplo simples:
from pyht import Client
from dotenv import load_dotenv
from pyht . client import TTSOptions
import os
load_dotenv ()
client = Client (
user_id = os . getenv ( "PLAY_HT_USER_ID" ),
api_key = os . getenv ( "PLAY_HT_API_KEY" ),
)
options = TTSOptions ( voice = "s3://voice-cloning-zero-shot/775ae416-49bb-4fb6-bd45-740f205d20a1/jennifersaad/manifest.json" )
for chunk in client . tts ( "Hi, I'm Jennifer from Play. How can I help you today?" , options ):
# do something with the audio chunk
print ( type ( chunk ))Também é possível transmitir texto em vez de enviá-lo como uma string de uma só vez:
for chunk in client . stream_tts_input ( some_iterable_text_stream , options ):
# do something with the audio chunk
print ( type ( chunk ))Uma versão assíncrona do cliente também está disponível:
from pyht import AsyncClient
client = AsyncClient (
user_id = os . getenv ( "PLAY_HT_USER_ID" ),
api_key = os . getenv ( "PLAY_HT_API_KEY" ),
)
options = TTSOptions ( voice = "s3://voice-cloning-zero-shot/775ae416-49bb-4fb6-bd45-740f205d20a1/jennifersaad/manifest.json" )
async for chunk in client . tts ( "Hi, I'm Jennifer from Play. How can I help you today?" , options ):
# do something with the audio chunk
print ( type ( chunk )) O método tts aceita os seguintes argumentos:
text : O texto a ser convertido em fala.options : as opções a serem usadas para a solicitação TTS.TTSOptions (veja abaixo).voice_engine : o mecanismo de voz a ser usado para a solicitação TTS.Play3.0-mini-http (padrão): Nosso mais recente modelo multilíngue, streaming de áudio por HTTP. (OBSERVE que é Play e não PlayHT como os mecanismos de voz anteriores)Play3.0-mini-ws : Nosso mais recente modelo multilíngue, streaming de áudio por WebSockets. (OBSERVE que é Play e não PlayHT como os mecanismos de voz anteriores)Play3.0-mini-grpc : Nosso modelo multilíngue mais recente, transmitindo áudio por gRPC. Use este mecanismo de voz se estiver usando o Play On-Prem. (OBSERVE que é Play e não PlayHT como os mecanismos de voz anteriores)PlayHT2.0-turbo : Nosso modelo legado somente em inglês, transmitindo áudio por gRPC. A classe TTSOptions é usada para especificar as opções para a solicitação TTS. Ele possui os seguintes membros, com estes valores suportados:
voice : A voz a ser usada para a solicitação TTS; uma corda.format : O formato do áudio a ser retornado; um valor de enum Format .FORMAT_MP3 (padrão)FORMAT_WAVFORMAT_MULAWFORMAT_FLACFORMAT_OGGFORMAT_RAWsample_rate : A taxa de amostragem do áudio a ser retornado; um número inteiro.quality : DEPRECATED (use a taxa de amostragem para ajustar a qualidade do áudio)speed : A velocidade do áudio a ser retornado, um float (padrão 1.0).seed : Semente aleatória a ser usada para geração de áudio, um número inteiro (padrão Nenhum, será gerado aleatoriamente).temperature : A temperatura do modelo, um flutuador.top_p : O top_p do modelo, um float.text_guidance : O text_guidance do modelo, um float.voice_guidance O voice_guidance do modelo, um float.style_guidance (somente Play3.0-mini-http e Play3.0-mini-ws): O style_guidance do modelo, um float.repetition_penalty : A repetição_penalty do modelo, um float.disable_stabilization (somente PlayHT2.0-turbo): Desativa o processo de estabilização de áudio, um booleano (padrão False).language (apenas Play3.0-mini-http e Play3.0-mini-ws): O idioma do texto a ser falado, um valor enum Language ou Nenhum (inglês padrão).AFRIKAANSALBANIANAMHARICARABICBENGALIBULGARIANCATALANCROATIANCZECHDANISHDUTCHENGLISHFRENCHGALICIANGERMANGREEKHEBREWHINDIHUNGARIANINDONESIANITALIANJAPANESEKOREANMALAYMANDARINPOLISHPORTUGUESERUSSIANSERBIANSPANISHSWEDISHTAGALOGTHAITURKISHUKRAINIANURDUXHOSAVocê pode executar a demonstração fornecida na linha de comando.
Nota: Esta demonstração depende dos seguintes pacotes:
pip install numpy soundfilepython demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --text " Hello from Play! " Para executar com o cliente asyncio, use o sinalizador --async :
python demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --text " Hello from Play! " --async Para executar com a API HTTP, que usa nosso modelo Play3.0-mini mais recente, use o sinalizador --http :
python demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --text " Hello from Play! " --http Para executar com a API WebSockets, que também usa nosso modelo Play3.0-mini mais recente, use o sinalizador --ws :
python demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --text " Hello from Play! " --wsAs APIs HTTP e WebSockets também podem ser usadas com o cliente assíncrono:
python demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --text " Hello from Play! " --http --async
python demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --text " Hello from Play! " --ws --asyncAlternativamente, você pode executar a demonstração em modo interativo:
python demo/main.py --user $PLAY_HT_USER_ID --key $PLAY_HT_API_KEY --interactiveNo modo interativo, você pode inserir linhas de texto para gerar e reproduzir áudio dinamicamente. Uma linha vazia sairá da sessão interativa.
Para começar a usar o SDK pyht , você precisará da chave secreta da API e do ID do usuário. Siga estas etapas para obtê-los:
Acesse a página da API : navegue até a página de acesso à API.
Gere sua chave secreta de API :
Localize seu ID de usuário : Encontre e copie seu ID de usuário, que pode ser encontrado na mesma página, na seção "ID de usuário".
Mantenha sua chave secreta de API confidencial . É crucial não compartilhá-lo com ninguém nem incluí-lo em repositórios de código acessíveis ao público.
