Ostap: Text to Speech

Ostap voice

The voice Ostap is available in the Azure Text-to-Speech service for the Ukrainian language.

How to use Ostap voice in your videos

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

{
    "type": "voice",
    "model": "azure",
    "voice": "uk-UA-OstapNeural",
    "text": "На весні сад оживає яскравими квітами та співаючими птахами. Стара дубова дерево надає тінь для відвідувачів, тим часом метелики танцюють серед троянд. Невеликий фонтан створює спокійні звуки, роблячи це ідеальним місцем для відпочинку та насолоди красою природи."
}

$scene->addElement([
'voice',
'azure',
'uk-UA-OstapNeural',
'На весні сад оживає яскравими квітами та співаючими птахами. Стара дубова дерево надає тінь для відвідувачів, тим часом метелики танцюють серед троянд. Невеликий фонтан створює спокійні звуки, роблячи це ідеальним місцем для відпочинку та насолоди красою природи.'
]);

scene.addElement([
"voice",
"azure",
"uk-UA-OstapNeural",
"На весні сад оживає яскравими квітами та співаючими птахами. Стара дубова дерево надає тінь для відвідувачів, тим часом метелики танцюють серед троянд. Невеликий фонтан створює спокійні звуки, роблячи це ідеальним місцем для відпочинку та насолоди красою природи."
]);

Ostap 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": "uk-UA-OstapNeural",
    "text": "<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>"
}

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

scene.addElement([
"voice",
"uk-UA-OstapNeural",
"<speak>Hello, <break time="500ms"/> how are you today? <emphasis level="strong">This is important!</emphasis></speak>"
]);

Ostap 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