Harri: Text to Speech

Harri voice

The voice Harri is available in the Azure Text-to-Speech service for the Finnish language.

How to use Harri voice in your videos

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

{
    "type": "voice",
    "model": "azure",
    "voice": "fi-FI-HarriNeural",
    "text": "Keväällä puutarha herää eloon värikkäistä kukista ja laulavista linnuista. Vanha tammi tarjoaa varjoa vierailijoille, kun perhoset tanssivat ruusujen keskellä. Pieni suihkulähde luo rauhoittavia ääniä, tehdessään tästä täydellisen paikan rentoutua ja nauttia luonnon kauneudesta."
}

$scene->addElement([
	'type' => 'voice',
	'model' => 'azure',
	'voice' => 'fi-FI-HarriNeural',
	'text' => 'Keväällä puutarha herää eloon värikkäistä kukista ja laulavista linnuista. Vanha tammi tarjoaa varjoa vierailijoille, kun perhoset tanssivat ruusujen keskellä. Pieni suihkulähde luo rauhoittavia ääniä, tehdessään tästä täydellisen paikan rentoutua ja nauttia luonnon kauneudesta.'
]);

scene.addElement({
	"type": "voice",
	"model": "azure",
	"voice": "fi-FI-HarriNeural",
	"text": "Keväällä puutarha herää eloon värikkäistä kukista ja laulavista linnuista. Vanha tammi tarjoaa varjoa vierailijoille, kun perhoset tanssivat ruusujen keskellä. Pieni suihkulähde luo rauhoittavia ääniä, tehdessään tästä täydellisen paikan rentoutua ja nauttia luonnon kauneudesta."
});

Harri 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": "fi-FI-HarriNeural",
    "text": "<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>"
}

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

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

Harri 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