Dilara: Text to Speech

Dilara voice

The voice Dilara is available in the Azure Text-to-Speech service for the Persian language.

How to use Dilara voice in your videos

To use Dilara voice in your videos, you can use the following JSON2Video code:

{
    "type": "voice",
    "model": "azure",
    "voice": "fa-IR-DilaraNeural",
    "text": "در بهار، باغ با گلهای رنگارنگ و پرندگان خواننده زنده می‌شود. درخت بلوط قدیمی سایه‌ای برای بازدیدکنندگان فراهم می‌کند، در حالی که پروانه‌ها بین گل‌های رز می‌رقصند. یک چشمه کوچک صداهای صلح‌آمیزی ایجاد می‌کند، اینجا بهترین مکان برای استراحت و لذت بردن از زیبایی طبیعت است."
}

$scene->addElement([
	'type' => 'voice',
	'model' => 'azure',
	'voice' => 'fa-IR-DilaraNeural',
	'text' => 'در بهار، باغ با گلهای رنگارنگ و پرندگان خواننده زنده می‌شود. درخت بلوط قدیمی سایه‌ای برای بازدیدکنندگان فراهم می‌کند، در حالی که پروانه‌ها بین گل‌های رز می‌رقصند. یک چشمه کوچک صداهای صلح‌آمیزی ایجاد می‌کند، اینجا بهترین مکان برای استراحت و لذت بردن از زیبایی طبیعت است.'
]);

scene.addElement({
	"type": "voice",
	"model": "azure",
	"voice": "fa-IR-DilaraNeural",
	"text": "در بهار، باغ با گلهای رنگارنگ و پرندگان خواننده زنده می‌شود. درخت بلوط قدیمی سایه‌ای برای بازدیدکنندگان فراهم می‌کند، در حالی که پروانه‌ها بین گل‌های رز می‌رقصند. یک چشمه کوچک صداهای صلح‌آمیزی ایجاد می‌کند، اینجا بهترین مکان برای استراحت و لذت بردن از زیبایی طبیعت است."
});

Dilara supports SSML

SSML stands for Speech Synthesis Markup Language. It's a way to add instructions to your text so that a Text-To-Speech (TTS) system knows how to read it aloud.

You use SSML like HTML, but for controlling speech. It helps you adjust things like: Pronunciation, Pauses, Pitch and Volume, Emphasis, Speaking Rate.

{
    "type": "voice",
    "voice": "fa-IR-DilaraNeural",
    "text": "<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>"
}

$scene->addElement([
	'type' => 'voice',
	'voice' => 'fa-IR-DilaraNeural',
	'text' => '<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>'
]);

scene.addElement({
	"type": "voice",
	"voice": "fa-IR-DilaraNeural",
	"text": "<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>"
});

Dilara is a neural voice

In Azure Cognitive Services, a Neural voice refers to a voice generated using neural network technology. This means the Text-To-Speech system uses advanced machine learning models to create more natural, human-like speech compared to traditional methods.

Key characteristics of Neural voices:

• More expressive and realistic
• Better at handling pitch, tone, and rhythm variations
• Sounds closer to how humans naturally speak