محوّل Base64 إلى صوت

فك ترميز مخرجات تحويل النص إلى كلام

لا تستطيع خدمات تحويل النص إلى كلام التي تجيب بصيغة JSON وضع صوت ثنائي في الاستجابة، لذا ترمّزه. فخدمة Google Cloud Text-to-Speech مثلًا تعيد الكلام كسلسلة Base64 في حقل اسمه audioContent، بالترميز الذي طلبته، مثل MP3 أو OGG Opus. وتستخدم واجهات API أخرى للصوت وروبوتات الدردشة حقولًا مثل audio أو data أو audio_base64.

الصق القيمة هنا للاستماع إلى النتيجة أثناء المقارنة بين الأصوات أو سرعات النطق أو المطالبات. انسخ السلسلة الموجودة بين علامتي الاقتباس فقط؛ فتحليل JSON أولًا يجنّبك نسخ علامات الاقتباس أو الأحرف المهرّبة مثل \/.

صيغ الصوت المكتشفة

تُعرف الصيغة من البايتات الأولى للبيانات بعد فك ترميزها، لذا لا يهم إن كان نوع MIME مفقودًا أو خاطئًا:

صوت PCM الخام: عندما لا يُشغَّل الصوت

ترسل بعض واجهات API الصوتية، ولا سيما الفورية والمتدفقة منها، عينات PCM خامًا، غالبًا بدقة 16 بت وقناة أحادية وبتردد 16 أو 24 كيلوهرتز، دون ترويسة ملف. وبالمثل تحمل تدفقات الاتصالات الهاتفية صوت μ-law بتردد 8 كيلوهرتز دون ترويسة. ومن دون ترويسة، لا شيء في البايتات يدل على ماهيتها: فلا يمكن اكتشاف الصيغة، ولا تستطيع المتصفحات تشغيل البيانات، ولا تستطيع هذه الأداة تخمين معدل العينات أو عدد القنوات. لا يزال بإمكانك تنزيل البايتات بعد فك ترميزها، لكن لسماعها تحتاج إلى إضافة ترويسة WAV باستخدام المعاملات الواردة في وثائق واجهة API:

# FFmpeg: عينات 16 بت بترتيب little-endian، بتردد 24 كيلوهرتز، قناة أحادية
ffmpeg -f s16le -ar 24000 -ac 1 -i speech.pcm speech.wav

# Python
import base64, wave
with wave.open('speech.wav', 'wb') as w:
    w.setnchannels(1)
    w.setsampwidth(2)        # عينات 16 بت
    w.setframerate(24000)
    w.writeframes(base64.b64decode(pcm_base64))

إذا بدا الصوت سريعًا جدًا أو بطيئًا جدًا أو مثل التشويش، فإن معدل العينات أو حجم العينة أو ترتيب البايتات لا يطابق البيانات. وبعد أن يُشغَّل، يمكن لأداة تحويل الصوت إلى Base64 ترميز ملف WAV مجددًا إذا احتجت إليه كسلسلة.