Shruti: Text to Speech

Shruti voice

The voice Shruti is available in the Azure Text-to-Speech service for the Telugu language.

How to use Shruti voice in your videos

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

{
    "type": "voice",
    "model": "azure",
    "voice": "te-IN-ShrutiNeural",
    "text": "వసంతకాలంలో, మరాల ఆరోగ్యోదయంగా భవించును, బహురంగుల పుష్పాలు మరియు పాటలు పాడుతున్నాయి. పురాతన ఒక్ చేదు ఆగిలి సందర్భించేవారుకు శెడ్ అందిస్తుంది, పుష్పవనమంటారు గుర్రకుంటున్నాయి. చిన్న కుండ శాంతత ధ్వనులు సృష్టిస్తుంది, ఈ సుఖపూర్వక ప్రదేశం విశ్రాంతి చేసే మరియు ప్రకృతి సౌందర్యాన్ని ఆనందించటంలో ఉత్తమంగా ఉంది."
}

$scene->addElement([
	'type' => 'voice',
	'model' => 'azure',
	'voice' => 'te-IN-ShrutiNeural',
	'text' => 'వసంతకాలంలో, మరాల ఆరోగ్యోదయంగా భవించును, బహురంగుల పుష్పాలు మరియు పాటలు పాడుతున్నాయి. పురాతన ఒక్ చేదు ఆగిలి సందర్భించేవారుకు శెడ్ అందిస్తుంది, పుష్పవనమంటారు గుర్రకుంటున్నాయి. చిన్న కుండ శాంతత ధ్వనులు సృష్టిస్తుంది, ఈ సుఖపూర్వక ప్రదేశం విశ్రాంతి చేసే మరియు ప్రకృతి సౌందర్యాన్ని ఆనందించటంలో ఉత్తమంగా ఉంది.'
]);

scene.addElement({
	"type": "voice",
	"model": "azure",
	"voice": "te-IN-ShrutiNeural",
	"text": "వసంతకాలంలో, మరాల ఆరోగ్యోదయంగా భవించును, బహురంగుల పుష్పాలు మరియు పాటలు పాడుతున్నాయి. పురాతన ఒక్ చేదు ఆగిలి సందర్భించేవారుకు శెడ్ అందిస్తుంది, పుష్పవనమంటారు గుర్రకుంటున్నాయి. చిన్న కుండ శాంతత ధ్వనులు సృష్టిస్తుంది, ఈ సుఖపూర్వక ప్రదేశం విశ్రాంతి చేసే మరియు ప్రకృతి సౌందర్యాన్ని ఆనందించటంలో ఉత్తమంగా ఉంది."
});

Shruti 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": "te-IN-ShrutiNeural",
    "text": "<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>"
}

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

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

Shruti 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