文字转语音和外语文字转语音

Question

我正在考虑将自己构建的语音2D HTML5网络游戏移植到适用于iPhone和Android的Unity2D。我是一名全职Web开发人员，而不是Unity开发人员，因此代理商可以帮助我构建Unity应用程序。在与他们签名之前，我需要确保{strong>普通话，西班牙语和英语都可以使用Speech to Text (STT)和Text to Speech (TTS)服务/ strong>，否则我会在前面浪费很多钱。

对于Web，可通过浏览器轻松访问Webkit语音（STT Docs，STT Demo，TTS Docs，TTS Demo）。我发现IBM Watson有可用的API，并且有STT和TTS的演示，并且我发现它们在这里有Unity SDK，但我没有测试Unity SDK的技能。

我正在寻找有关该机构可以用于这三种外语的出色STT和TTS API的指南。

1. Unity SDK是否支持前端STT​​和TTS音频流？ STT需要捕获用户的语音输入并快速进行转录。同样，TTS需要允许用户将鼠标悬停在目标语言单词上并听近乎本地的发音。
2. 它提供西班牙语，普通话和英语的STT和TTS吗？
3. 还有哪些其他NLP API可以满足我的要求？

抱歉，我对Unity /电话开发完全陌生，因此此处的任何指导都将非常有帮助。如果不存在满足这些要求的API，则由于STT和TTS至关重要，因此Unity无法在我的应用中正常工作。

Answer 1

总体而言，Unity中的实时音频录制非常糟糕，该系统并非旨在连续录制音频。您可以使用AudioSource录制片段，但这是固定长度的片段，而不是流式解决方案。

对于流式传输，您可以使用AudioFilterRead获得音频，但这并不是真正的录音API，更多的是效果。对于录制，它具有不可预测的延迟，并且还会显着降低UI。

因此，您只能进行按键通话，而不能进行实时交互。

如果您还有其他选择，那么最好也考虑一下。例如，您可以考虑使用本机应用程序。