افزونه هوش مصنوعی تبدیل متن به گفتار وردپرس Real Voice | پلاگین Real Voice

افزونه Real Voice (تبدیل متن به گفتار) از سازنده DAEXT نوشته‌ها و برگه‌های وردپرس را به صدا درمی‌آورد و پخش‌کننده‌اش را بالای محتوا می‌گذارد. صدا یا از فایلی می‌آید که با دکمه Generate file در ویرایشگر و با یکی از سرویس‌های ابری فهرست پایین ساخته می‌شود، یا از خود مرورگر بازدیدکننده که متن را زنده می‌خواند. افزونه به افزونه دیگری وابسته نیست، اما هر سرویس ابری کلید جداگانه می‌خواهد.

Real Voice در وردپرس نیاز زیر افزونه‌های کاربردی وردپرس قرار دارد. آزمایش‌ها روی یک نصب آزمایشی انجام شد: وردپرس فارسی با قالب پیش‌فرض و همین افزونه. چون حساب واقعی سرویس ابری در کار نبود، پاسخ Azure را یک افزونه فقط‌آزمایشی داد؛ آزمایش روی صدای مرورگر و روی Azure بود.

موتورهای تبدیل متن به گفتار در Real Voice

انتخاب موتور در Options، تب Text-to-Speech، گزینه Text-to-speech Converter است و این انتخاب‌ها را دارد:

• SpeechSynthesis (Browser): صدا را مرورگر بازدیدکننده می‌سازد و به توضیح سازنده نیازی به اشتراک سرویس ابری نیست. صداهای موجود را مرورگر بازدیدکننده تعیین می‌کند؛ مرورگر آزمایش فقط صداهای انگلیسی داشت. به توضیح سازنده، گزینه Language در حالت Auto زبان برچسب html صفحه را برمی‌دارد.
• Amazon Polly (Cloud service): کلید دسترسی و کلید محرمانه، منطقه، صدا، موتور و فرمت خروجی؛ به پیام خود افزونه، روی PHP قدیمی این بخش خطا می‌دهد.
• Google Cloud Text-to-Speech AI (Cloud service): کلید Google Cloud، کدگذاری صدا، سرعت گفتار، زیر و بمی و نام صدا.
• Azure Text to Speech (Cloud service): کلید منبع Speech، منطقه، قالب خروجی و نام صدا.
• ElevenLabs (Cloud service): کلید API، صدا، مدل و تنظیم‌های پایداری و شباهت صدا.

به توضیح سازنده، با فعال شدن یک سرویس ابری، هزینه را همان سرویس طبق شرایط خودش می‌گیرد و متن نوشته یا سند SSML برای ساخت صدا به سرور آن سرویس می‌رود. زبان‌ها و صداهایی که می‌شود خواند را هر سرویس خودش تعیین می‌کند؛ فهرستشان را پیش از خرید در سرویس انتخابی ببینید.

ساخت فایل صوتی از ویرایشگر نوشته

در ویرایشگر بلوکی، دو بخش به نوار کناری نوشته اضافه می‌شود. بخش Audio File دکمه‌های Generate file و Delete file و زمان ساخت فایل را دارد. بخش Text to Speech جای متن یا سند SSML دلخواه است و نوع سند را، Text یا SSML، می‌گیرد؛ اگر خالی بماند، همان متن نوشته خوانده می‌شود.

در آزمایش، با کلیک روی Generate file در یک نوشته انگلیسی، افزونه یک درخواست POST به نشانی Azure فرستاد و متن نوشته در قالب SSML در آن بود. پاسخ را افزونه فقط‌آزمایشی داد، فایل در پوشه بارگذاری‌ها ذخیره شد و پخش‌کننده برای بازدیدکننده از همان فایل تا آخر پخش کرد. نوشته فارسی بلندتر از حد یک درخواست در دو درخواست رفت و هر برش در پایان یک جمله بود؛ دو فایل ساخته شد و پخش‌کننده آن‌ها را یک مسیر صوتی نشان داد و تا آخر پخش کرد.

پخش‌کننده در صفحه

پخش‌کننده به‌طور پیش‌فرض بالای محتوای نوشته‌ها و برگه‌ها می‌آید (گزینه Post Types در تب Misc). با فایل ساخته‌شده، دکمه پخش، زمان، نوار جست‌وجو، مدت، بی‌صدا کردن و نوار بلندی صدا دارد؛ با صدای مرورگر فقط دکمه پخش و زمان دیده می‌شود. در آزمایش، کلیک بازدیدکننده روی دکمه پخش در حالت مرورگر متن نوشته را به SpeechSynthesis داد و شمارنده زمان شروع به شمردن کرد.

روی سایتی که زبانش فارسی است، پخش‌کننده راست‌چین نمایش داده می‌شود: دکمه پخش در لبه راست است و نوار بلندی صدا در لبه چپ. همان صفحه با زبان سایت انگلیسی، دکمه پخش را در لبه چپ داشت. صفحه‌های مدیریتی افزونه، یعنی Options و API Log و Maintenance و دو بخش ویرایشگر، هم در پیشخوان فارسی راست‌چین‌اند و چیدمانشان قرینه چیدمان پیشخوان انگلیسی است.

تب Style رنگ‌ها، فونت، سایه و نشانی Google Font پخش‌کننده را در اختیار می‌گذارد؛ در آزمایش، با تنظیم پیش‌فرض، صفحه یک شیوه‌نامه از Google Fonts هم می‌گرفت. گزینه Download Button زیر پخش‌کننده پیوندی می‌گذارد؛ در آزمایش، پس از روشن کردنش در صفحه Options، پیوند به فایل صوتی همان نوشته می‌رسید.

با کد کوتاه خود افزونه می‌شود پخش‌کننده را به‌جای بالای محتوا در میان متن گذاشت. در آزمایش، پخش‌کننده بین دو بند ظاهر شد و پخش‌کننده خودکار بالای متن اضافه نشد.

گزارش درخواست‌ها و نگه‌داری

صفحه API Log هر درخواست افزونه به یک سرویس ابری را ثبت می‌کند: شناسه، زمان، نام سرویس، شمار نویسه‌ها و وضعیت، با جمع کل و دکمه‌های فیلتر برای هر سرویس. در آزمایش، برای نوشته‌ای فارسی با ۲۵۲ نویسه، جدول ۴۵۶ ثبت کرد؛ یعنی برای متن فارسی عدد ستون Characters از شمار واقعی نویسه‌ها بیشتر بود. در آزمایش، صفحه Maintenance دو کار داشت: Delete Request Data و Reset Plugin Options.

افزونه برای جلوگیری از هزینه ناخواسته، سقفی ثابت برای شمار درخواست‌های هر روز دارد. در آزمایش، وقتی جدول با ردیف‌هایی که برای آزمایش اضافه شد به آن سقف رسید، Generate file با پیامی درباره همین سقف خطا داد و درخواستی به Azure نرفت.

پیش از خرید Real Voice

به توضیح سازنده، نسخه Lite افزونه در مخزن وردپرس بخشی از امکانات را دارد. به توضیح سازنده، سرویس‌های ابری هزینه دارند و متن نوشته به سرور سرویس انتخابی فرستاده می‌شود. برای نصب افزونه و اتصال آن به حساب سرویس ابری می‌توانید از پشتیبانی وردپرس کمک بگیرید.

اگر می‌خواهید خوانندگان سایت بتوانند نوشته‌ها را گوش کنند، Real Voice با فایلی که از همان ویرایشگر ساخته می‌شود یا با صدای مرورگر نوشته را به صدا درمی‌آورد، پخش‌کننده را خودش در صفحه می‌گذارد و درخواست‌های ارسال‌شده به سرویس ابری را در پیشخوان نشان می‌دهد.