[Документация Yandex Cloud](../../index.md) > [speechkit](../index.md) > [Синтез речи](index.md) > SpeechKit Brand Voice > Данные для SpeechKit Brand Voice Call Center

# Синтез речи по шаблонам

С помощью синтеза по шаблонам вы можете синтезировать речь по заранее заготовленным фразам (_шаблонам_), в которых изменяются отдельные ключевые части — _переменные_. Новая фраза будет синтезирована целиком, а не склеена из заранее записанного и синтезированного блоков. При этом интонации копируются из шаблона, а речь звучит естественно и неотличима от речи живого человека.

Синтез по шаблонам доступен только для голосов [SpeechKit Brand Voice](brand-voice/index.md).

{% note warning %}

Сервис SpeechKit Brand Voice предоставляется по запросу. Для доступа к технологии [заполните форму](#contact-form).

{% endnote %}


## Исходные данные для синтеза по шаблонам {#income-data}

Каждый запрос для синтеза по шаблонам должен содержать:

* аудиозапись шаблонной фразы;
* текстовый шаблон с разметкой переменных частей;
* значения переменных для синтеза новой фразы;
* временную метку начала и длительность каждой переменной части.

{% note warning %}

Длина нормализованного текста переменной части фразы может занимать не более 25% синтезируемой фразы. То же ограничение действует на длительность переменной части относительно длительности итоговой аудиозаписи.

{% endnote %}

> Например, желаемая фраза для синтеза `Давайте проверим бронирование. Ваш рейс состоится восьмого сентября в одиннадцать часов двадцать минут. Аэропорт вылета Домодедово, аэропорт прилета Пулково. Всё верно?`
> Аудиозапись шаблона содержит фразу `Давайте проверим бронирование. Ваш рейс состоится двадцать третьего марта в двадцать один час ноль ноль минут. Аэропорт вылета Домодедово, аэропорт прилета Пулково. Всё верно?`.
> Текстовый шаблон должен выглядеть так: `Давайте проверим бронирование. Ваш рейс состоится {date} в {time}. Аэропорт вылета Домодедово, аэропорт прилета Пулково. Всё верно?`
> Список переменных: `variable_name = '{date}', variable_value = 'восьмого сентября'`, `variable_name = '{time}', variable_value = 'одиннадцать часов двадцать минут`.

Подробнее о [примерах реализации синтеза по шаблонам](#templates-implementation).

### Требования к аудиозаписям шаблонов {#requirements-audio}

| Требование | Значение |
| --- | --- |
| Частота дискретизации | 48 кГц для SpeechKit Brand Voice Self Service и SpeechKit Brand Voice Premium</br>8 кГц или выше для SpeechKit Brand Voice Call Center |
| Глубина аудио (audio bit depth) |  16 бит PCM |
| Количество каналов |  1 (моно) |
| Формат | [WAV](https://ru.wikipedia.org/wiki/WAV) |
| Минимальная длительность аудиозаписи шаблона | 1 секунда |

Аудиозаписи шаблонов не должны содержать посторонние шумы и эхо. Допускается минимальная обработка аудиозаписи. Длительность тишины в начале и в конце записи — не более 1 секунды.

### Рекомендации для записи аудио {#tips}

## Общие рекомендации для записи аудио {#audiotips}

Шумы и эхо при записи напрямую влияют на качество обучения и работы модели для синтеза речи. Поэтому при записи аудио для обучения и дообучения модели или шаблонов для синтеза по шаблонам старайтесь максимально уменьшить отражение звука в помещении. Идеальным местом для записи будет комната, оборудованная акустическими панелями. Если запись происходит в бытовых условиях, снизить эхо помогут мягкие поверхности и мебель: ковер, мягкий диван и т.д.

Используйте одинаково настроенное и расположенное оборудование для записи всех аудио.

Не совмещайте роли звукорежиссера записи, диктора и войскоуча в одном лице. Войскоуч — специалист, который следит, чтобы диктор строго следовал тексту и не менял манеры повествования.

При записи любых аудио, предназначенных для модели синтеза речи, придерживайтесь правила «одна фраза — один файл».

Неточности, микроповторы, оговорки и замены слов недопустимы. Любые дефекты дикции в записях, на основе которых работает модель синтеза, значительно снижают качество синтезируемой речи.

Каждая запись шаблона или фразы для обучения модели должна сопровождаться абсолютно точной текстовой расшифровкой. Шаблоны, обучающие фразы и их расшифровки не должны содержать грамматических ошибок.

### Требования к синтезируемым текстам {#requirements-text}

Шаблон должен соответствовать желаемому скрипту.

В шаблоне должна быть одна или несколько переменных для замены. Длительность звучания переменной части должна соответствовать образцу в шаблоне. Если длительность звучания переменной части может сильно отличаться, рекомендуем записать несколько шаблонов с примерами разной длины. Нормализованный текст переменной части фразы должен занимать не больше 25% от длины шаблона. То же ограничение действует на длительность переменной части относительно длительности итоговой аудиозаписи.

> Например, если в шаблоне `Здравствуйте, меня зовут Ирина, я работаю в {company}.` длина переменной `company` может быть очень разной (`компании Облака`, `банке Надежность`, `региональном представительстве известной зарубежной компании`), запишите два шаблона — для коротких и длинных значений. В зависимости от подставляемого значения передавайте при синтезе один из них. Так синтезированная речь останется естественной.

Длинные реплики диктора необходимо разбить на самостоятельные предложения и разные шаблоны. Синтезируемая фраза не может превышать 24 секунды и 250 символов.

* При записи речи на русском языке обязательно указывайте букву «ё» в расшифровке. Использование «е» вместо «ё» в любых текстах для синтеза недопустимо.
* В словах-омографах, где ударение может быть поставлено неоднозначно, явно указывайте ударную гласную знаком `+`.
   > _«Он вставил ключ в зам+ок.»_, ударение падает на второй слог.
   > _«Михайловский з+амок — главный корпус Пушкинского музея.»_, ударение падает на первый слог.

* Строки текста для синтеза не должны содержать цифр и сокращений вида «ул. Строителей, д.15 к.3» или «13 руб 10 коп». Цифры и числа записывайте прописью, сокращения — полностью раскрывайте.
   > Улица Строителей, дом пятнадцать, корпус три.
   > Тринадцать рублей десять копеек.

* В вопросительных предложениях укажите, на какое слово приходится \*\*логическое ударение\*\* — вопросительная интонация предложения.

   > Предложение «Кот пошел в лес?» можно прочитать тремя разными способами:
   > * \*\*Кот\*\* пошел в лес? — со смыслом «Кто пошел в лес? Это был действительно кот?»
   > * Кот \*\*пошел\*\* в лес? — со смыслом «Кот пошел или побежал?» или «Было ли совершено само действие? Кот ушел или нет?»
   > * Кот пошел \*\*в лес\*\*? — со смыслом «Куда или за чем пошел кот? В лес, в школу, за колбасой?»
   >
   > Во всех предложениях логическое ударение выделяет основной смысл предложения.

{% note warning %}

Логическое ударение не должно падать на переменную часть фразы.

{% endnote %}

## Использование синтеза по шаблонам {#templates-implementation}

* API v3:

   * [Brand Voice Premium и Brand Voice Self Service](api/tts-templates.md).
   * [SpeechKit Brand Voice Call Center](api/tts-templates-bvcc.md).