Automatizando a geração de textos em áudio

Olá, tudo bem?

Nesse post iremos transformar textos em arquivos de áudio, iremos utilizar uma tecnologia disponibilizada pela Microsoft chamada Edge TTS.
Para isso, utilizaremos um fluxo N8N que receberá a voz escolhida e o texto desejado, com essas informações o fluxo irá criar o áudio desejado pelo usuário.

Tópicos:

Ferramenta de transformação texto para áudio
Acessando a API e gerando um áudio
Gerenciando a criação de áudios com uma planilha

Ferramenta de transformação texto para áudio

Utilizaremos uma API para realizar o trabalho de transformação de texto para áudio, nesse caso utilizaremos o edge_tts.
O edge_tts é uma biblioteca Python que utiliza a API de texto para fala da Microsoft Edge para converter texto em fala.
Algumas características do edge_tts incluem:

Suporte a múltiplos idiomas e vozes: A API oferece uma variedade de vozes e idiomas, permitindo que os usuários escolham a voz que melhor se adapta às suas necessidades.
Facilidade de uso: A biblioteca é projetada para ser fácil de integrar e usar em projetos Python, com uma interface simples para converter texto em áudio.
Qualidade de áudio: A tecnologia de texto para fala da Microsoft é conhecida por sua alta qualidade de áudio, proporcionando uma experiência de audição natural e clara.
Personalização: Algumas versões da API permitem ajustes na velocidade, tom e volume da fala, oferecendo maior controle sobre a saída de áudio.

Disponibilizamos uma API no qual terá a funcionalidade de gerar os áudios com o edge_tts utilizando a tecnologia python.
Caso você possua Docker instalado na sua máquina, você poderá rodar a API através do comando:

docker run -p 5000:5000 marcelo3macedo/blogs_generate_tts

Isso disponibilizará a API na porta 5000, ou http://localhost:5000

Acessando a API e gerando um áudio

Disponibilizamos um fluxo que recebendo as variáveis “prompt” (texto a ser gerado) e “voice” (tom de voz a ser utilizado) ele irá transformar o texto em áudio.
Esse fluxo poderá ser chamado por outros fluxos, tornando o uso mais simples.
Nele temos a seguinte estrutura:

Porta de Entrada:

Acionamento Teste: pode ser utilizado para verificar o funcionamento do fluxo clicando em “Test Workflow”, ele executará a criação do áudio utilizando um texto e uma voz de exemplo.
chamada_outro_fluxo: permite que outro fluxo envie as variáveis necessárias e obtenha como retorno um áudio gerado pela API.
variaveis_fixas:
Aqui temos o endpoint (ou seja, o local aonde está a nossa API), caso tenha executado em outra porta ou utilizará a API hospedada em algum local, mude a variável “endpoint”.
Chamada API:
Realiza a comunicação com a API para a geração do áudio utilizando as variáveis recebidas.