Agregar texto a voz

Texto a voz es una forma de tecnología de asistencia que convierte cadenas de texto en sonidos de voz usando una voz artificial. Además de mejorar la accesibilidad de tus experiencias para jugadores con discapacidades visuales, de movilidad o cognitivas, TTS te permite generar voz dinámicamente, de modo que no tengas que grabar audio de antemano para todos los posibles escenarios narrativos.

Utilizando el archivo Gingerbread House - Start .rbxl como punto de partida y Gingerbread House - Texto a Voz como referencia, este tutorial te muestra cómo agregar tanto audio TTS básico como sensible al contexto a tus experiencias, incluyendo guía sobre:

• Activar TTS para escenarios comunes de juego que nunca cambiarán, como interacciones con la interfaz de usuario (UI) y tutoriales.
• Configurar TTS para que se adapte a las acciones de los jugadores, el estado ambiental o los objetivos flexibles.

Si en algún momento te quedas atascado en el proceso, puedes usar Gingerbread House - Texto a Voz como referencia para comparar tu progreso.

Objetos de Audio

Para crear audio TTS, es importante entender los objetos de audio con los que estarás trabajando a lo largo de este tutorial. Hay cinco tipos principales de objetos de audio para TTS:

• El objeto AudioTextToSpeech convierte cadenas de texto en sonidos de voz.
• El objeto AudioEmitter es un altavoz virtual que emite audio en el entorno 3D.
• El objeto AudioListener es un micrófono virtual que recoge audio del entorno 3D.
• El objeto AudioDeviceOutput es un dispositivo de hardware físico en el mundo real, como un altavoz o auriculares.
• Wires transporta flujos de audio de un objeto a otro.

Todos estos objetos de audio trabajan juntos para emitir sonido TTS en respuesta a las acciones del jugador. Veamos cómo funciona esto en la práctica para audio 3D utilizando un ejemplo de un jugador que lleva un auricular mientras juega una experiencia con su laptop:

• El AudioTextToSpeech carga y convierte texto en audio cada vez que un jugador toca una parte cerca de un personaje no jugable (NPC).
• El AudioEmitter emite un flujo de audio TTS del NPC al entorno 3D.
• Un Wire transporta el flujo desde el AudioTextToSpeech al AudioEmitter para que el flujo salga del NPC.
• El objeto hijo AudioListener del personaje escucha ese sonido dentro del entorno 3D y lo retroalimenta a sus auriculares.
• El objeto AudioDeviceOutput transporta el sonido desde el AudioListener al altavoz físico del jugador, o en este caso, sus auriculares.

Las siguientes secciones profundizan más y hacen referencia a estos objetos mientras aprendes a reproducir tanto audio básico como sensible al contexto. A medida que revises estos objetos con las próximas técnicas, podrás predecir con mayor precisión cómo captar y alimentar sonido de la experiencia al jugador.

TTS Básico

El TTS básico es la forma más común de texto a voz en la que la voz artificial lee una cadena de texto sin considerar el contexto del jugador o del entorno. Esto significa que cada vez que el jugador activa el audio TTS, las palabras y la forma en que la voz artificial lee las palabras permanecen consistentes independientemente del estado del jugador, sus acciones o el estado ambiental.

Esta forma de TTS es útil en la mayoría de los escenarios de juego, como jugadores interactuando con menús de la interfaz de usuario, tutoriales o interacciones rutinarias con NPC como ofertas de vendedores o gritos de enemigos. Roblox proporciona los siguientes tipos de voces con las que puedes experimentar para cualquiera de estas interacciones:

Para recrear el audio TTS 3D básico en el archivo de muestra Gingerbread House - Texto a Voz:

1. Habilita un oyente predeterminado que esté adjunto a tu personaje jugador.

   1. En la ventana Explorer, selecciona SoundService.
   2. En la ventana Properties, establece DefaultListenerLocation en Character. Cuando ejecutes la experiencia, el motor automáticamente:

      • Crea un AudioListener bajo Humanoid.RootPart de cada personaje jugador para que puedas escuchar los sonidos cambiar en tus altavoces del mundo real de acuerdo con la posición y escala de las fuentes de sonido dentro de la experiencia.
      • Crea un AudioDeviceOutput bajo SoundService.
2. En la ventana Explorer, navega a Workspace ⟩ DialogueVolume, luego:

   1. Inserta un objeto AudioTextToSpeech para crear un generador de audio de voz para el volumen alrededor del muñeco de nieve.
   2. Inserta un objeto AudioEmitter para emitir un flujo posicional desde DialogueVolume.
   3. Inserta un objeto Wire para llevar el flujo desde el generador de voz de audio hasta el emisor de audio.
3. Selecciona el objeto AudioTextToSpeech, luego en la ventana Properties:

   1. Establece Text en "¡Recolecta cada galleta de gumpdrop para abrir mi casa!"
   2. Establece VoiceId en 2 para que la voz artificial emule a una mujer británica.
   3. Establece el Volume en 3 para reproducir el audio a un volumen alto para que escuches el sonido TTS sobre otras fuentes de audio dentro de la experiencia.
4. Selecciona el Wire, luego en la ventana Properties:

   1. Establece SourceInstance en tu nuevo AudioTextToSpeech para especificar que quieres que el cable lleve audio de este generador de voz específico.
   2. Establece TargetInstance en tu nuevo AudioEmitter para especificar que quieres que el cable lleve audio a este emisor de audio específico dentro del volumen.
5. De regreso en la ventana Explorer, navega a StarterPlayer ⟩ StarterCharacterScripts, luego inserta un LocalScript, renómbralo PlayBasicTTSAudioWhenInVolume, y pega el siguiente código en el script local:

local Workspace = game:GetService("Workspace")
local Players = game:GetService("Players")

local humanoid = script.Parent:WaitForChild("Humanoid")
local volumeDetector = Workspace.DialogueVolume
local trigger = humanoid:WaitForChild("Animator")
local debounce = false
local localPlayer = Players.LocalPlayer

volumeDetector.Touched:Connect(function(hit)
  if debounce then 
    return
  end

  local hitCharacter = hit:FindFirstAncestorWhichIsA("Model")
  local hitPlayer = Players:GetPlayerFromCharacter(hitCharacter)
  
  if hitPlayer ~= localPlayer then
    return
  end

  debounce = true
  
  local audioTextToSpeech = Workspace.DialogueVolume.AudioTextToSpeech
  audioTextToSpeech:Play()
  audioTextToSpeech.Ended:Wait()

  debounce = false
end)

1. Realiza pruebas del juego para escuchar el diálogo instructivo del personaje cuando tu personaje jugador toca el volumen alrededor del muñeco de nieve.

Puedes experimentar aún más con este audio modificando las propiedades Text, VoiceID, Pitch, y Speed a nuevos valores. El discurso generado se vuelve completamente diferente sin necesidad de grabar y subir un nuevo archivo de audio para cada escenario.

TTS Sensible al Contexto

El TTS sensible al contexto es una forma más avanzada de texto a voz en la que la voz artificial lee una cadena de texto en relación con el jugador, el estado de su entorno o el estado del juego. Esto significa que cada vez que el jugador activa el audio TTS, las palabras y la forma en que la voz artificial lee las palabras se adapta en consecuencia.

Esta forma de TTS es útil para escenarios de juego que están en constante cambio, como indicaciones de audio direccionales, estado de objetivos o interacciones únicas con NPC. Como consecuencia, dado que el TTS sensible al contexto necesita transformarse para ser preciso, debes configurar elementos del juego de manera que puedas rastrear su estado a medida que los jugadores navegan a través del entorno y completan objetivos de juego.

Aunque hay muchas formas de lograr esta tarea, la muestra utiliza atributos personalizados para rastrear el color y ubicación de cada galleta que el jugador debe recolectar para entrar en la casa de jengibre. Para más información sobre atributos, consulta Propiedades y atributos.

Para recrear el audio TTS 3D sensible al contexto en el archivo de muestra Gingerbread House - Texto a Voz:

1. En la ventana Explorer, navega a Workspace ⟩ GumDrops.

2. Configura tres atributos personalizados para rastrear la galleta amarilla.

   1. Selecciona la galleta amarilla, luego en la ventana Properties, navega a la sección Attributes, luego haz clic en el icono de más. Se mostrará un cuadro de diálogo emergente.
   2. En el campo Name, ingresa ColorDescription.
   3. En el menú desplegable Type, selecciona string.
   4. Haz clic en el botón Save.
   5. Establece el nuevo atributo ColorDescription en yellow.
   6. Usando este proceso, crea dos atributos más con los siguientes valores.

   Nombre	Tipo	Valor
   HintOrder	number	0
   LocationDescription	string	junto a la cascada

3. Configura tres atributos personalizados para rastrear la galleta verde.

   1. En la ventana Explorer, selecciona la galleta verde.
   2. En la ventana Properties, crea tres atributos usando los siguientes valores.

   Nombre	Tipo	Valor
   ColorDescription	string	green
   HintOrder	number	1
   LocationDescription	string	en la cornisa

4. Configura tres atributos personalizados para rastrear la galleta roja.

   1. En la ventana Explorer, selecciona la galleta roja.
   2. En la ventana Properties, crea tres atributos usando los siguientes valores.

   Nombre	Tipo	Valor
   ColorDescription	string	red
   HintOrder	number	2
   LocationDescription	string	detrás de la cerca

5. En la ventana Explorer, navega a Workspace ⟩ HintVolume, luego:

   1. Inserta un objeto AudioTextToSpeech para crear un generador de voz para el volumen alrededor de los renos.
   2. Inserta un objeto AudioEmitter para emitir un flujo posicional desde HintVolume.
   3. Inserta un objeto Wire para llevar el flujo desde el generador de voz al emisor de audio.

6. Selecciona el Wire, luego en la ventana Properties:

   1. Establece SourceInstance en tu nuevo AudioTextToSpeech para especificar que quieres que el cable lleve audio de este generador de voz específico.
   2. Establece TargetInstance en tu nuevo AudioEmitter para especificar que quieres que el cable lleve audio a este emisor de audio específico dentro del volumen.

7. De regreso en la ventana Explorer, navega a StarterPlayer ⟩ StarterCharacterScripts, luego inserta un LocalScript, renómbralo PlayContextTTSAudioWhenInVolume, y pega el siguiente código en el script local:

local Workspace = game:GetService("Workspace")
local Players = game:GetService("Players")

local humanoid = script.Parent:WaitForChild("Humanoid")
local volumeDetector = Workspace.HintVolume
local trigger = humanoid:WaitForChild("Animator")
local debounce = false
local localPlayer = Players.LocalPlayer

function getRemainingGumdrops(): {Part}
  local gumdropsFolder = Workspace.Gumdrops
  local gumdrops = gumdropsFolder:GetChildren()
  local remainingGumdrops = {};
  for _, gumdrop in gumdrops do
    if gumdrop:GetAttribute("Active") then
      remainingGumdrops[#remainingGumdrops + 1] = gumdrop
    end
  end
  table.sort(remainingGumdrops, function(a, b)
    return a:GetAttribute("HintOrder") < b:GetAttribute("HintOrder")
  end)
  return remainingGumdrops
end

function getReindeerHint(remainingGumdrops: {Part}): string
  local remainingGumdrops = getRemainingGumdrops()
  if (#remainingGumdrops == 0) then
    return "No quedan galletas. Revisa dentro de la casa."
  end
  local nextGumdrop = remainingGumdrops[1]
  local colorDescription = nextGumdrop:GetAttribute("ColorDescription")
  local locationDescription = nextGumdrop:GetAttribute("LocationDescription")
  local message = #remainingGumdrops > 1
    and  "Quedan " .. #remainingGumdrops .. " galletas. Busca la " .. colorDescription  .. " " .. locationDescription  .. "."
    or "Queda una galleta. Es " .. colorDescription .. " y está " .. locationDescription .. "."
  return message
end

volumeDetector.Touched:Connect(function(hit)
  if debounce then 
    return
  end

  local hitCharacter = hit:FindFirstAncestorWhichIsA("Model")
  local hitPlayer = Players:GetPlayerFromCharacter(hitCharacter)
  
  if hitPlayer ~= localPlayer then
    return
  end

    print("Player touched volume.")
    debounce = true

    local remainingGumdrops = getRemainingGumdrops()
    local message = getReindeerHint(remainingGumdrops)

    local audioTextToSpeech = Workspace.HintVolume.AudioTextToSpeech
    audioTextToSpeech.Text = message
    audioTextToSpeech:Play()
    audioTextToSpeech.Ended:Wait()

    debounce = false
end)

1. Realiza pruebas de las experiencias para escuchar pistas contextuales cuando tu personaje jugador toca el volumen alrededor de los renos. El audio TTS cambia de acuerdo con el número y color de las galletas que el personaje jugador ya ha encontrado en el entorno.