Saat ini kita menyebutnya teknologi yang dapat bertransformasi informasi teks menjadi ucapan biasa. Dengan berkembangnya “mesin pintar”, teknologi ini menjadi semakin relevan, dan setiap hari membutuhkan kesempurnaan yang semakin besar. Sebenarnya, aktif saat ini Sejumlah metode sintesis ucapan telah dikembangkan, yang akan kita bicarakan.
Penyintesis ucapan dapat digunakan di berbagai bidang dan digunakan untuk memecahkan banyak masalah, mulai dari “membaca” buku, memproduksi mainan anak-anak yang “berbicara”, mengumumkan perhentian di transportasi umum atau dalam sistem layanan, dan diakhiri dengan kedokteran (di sini perlu diingat Stephen Hawking, yang menggunakan penyintesis ucapan untuk berkomunikasi dengan dunia).
Jadi, mari kita lihat lebih dekat teknologi dan metode sintesis ucapan. Seperti telah disebutkan, ada beberapa metode sintesis ucapan. Dengan demikian, beberapa pendekatan utama dapat dibedakan:
- sintesis parametrik;
- sintesis gabungan (kompilasi);
- sintesis menurut aturan (berdasarkan teks tercetak);
Sintesis parametrik memungkinkan Anda merekam ucapan untuk bahasa apa pun, namun tidak dapat digunakan untuk teks yang belum ditentukan sebelumnya. Sintesis ucapan parametrik digunakan ketika kumpulan pesan terbatas. Kualitas metode sintesis ini bisa sangat tinggi.
Pada dasarnya, sintesis ucapan parametrik merupakan implementasi dari prinsip operasi vocoder. Dalam kasus sintesis parametrik berbunyi diwakili oleh sejumlah parameter yang terus berubah. Generator nada digunakan untuk menghasilkan bunyi vokal, dan generator kebisingan digunakan untuk konsonan. Namun metode ini biasanya digunakan untuk merekam suara dalam komposisi musik, dan lebih sering kita berbicara bukan tentang sintesis suara murni, melainkan tentang modulasi.
Metode sintesis kompilasi didasarkan pada kompilasi teks dari “kamus” elemen yang telah direkam sebelumnya. Ukuran elemen sistem setidaknya harus berupa satu kata. Biasanya, stok elemen dibatasi hingga beberapa ratus kata, dan konten teks yang disintesis dibatasi oleh volume kamus. Metode sintesis ucapan ini banyak digunakan dalam kehidupan sehari-hari - sebagai aturan, di berbagai layanan bantuan dan peralatan yang memerlukan peralatan dengan sistem respons ucapan.
Sintesis ucapan penuh sesuai aturan dapat mereproduksi ucapan dari teks yang sebelumnya tidak diketahui. Metode ini tidak menggunakan unsur ucapan manusia, tetapi didasarkan pada algoritma linguistik dan akustik terprogram.
Ada juga pembagian di sini - dua pendekatan terhadap metode sintesis ini dapat dibedakan. Yang pertama adalah sintesis tuturan forman menurut kaidah, dan yang kedua adalah sintesis artikulatoris. Sintesis formant didasarkan pada formant - resonansi frekuensi ucapan sistem pengeras suara. Algoritma sintesis formant memodelkan fungsi saluran vokal manusia, yang bekerja sebagai seperangkat resonator. Sayangnya, saat ini, sebagian besar penyintesis yang bekerja secara eksklusif pada sintesis forman sulit dipahami tanpa persiapan, tetapi tidak diragukan lagi ini adalah teknologi yang universal dan menjanjikan. Metode artikulasi mencoba memperbaiki kekurangan metode formant dengan menambahkan fitur fonetik pengucapan bunyi individu ke dalam model.
Ada juga teknologi sintesis ucapan menurut aturan, yang menggunakan rekaman segmen ucapan alami. Karena metode kompilasi masih paling sering digunakan, mari kita bahas beberapa patah kata tentang metode tersebut secara lebih rinci.
Bergantung pada seberapa besar “kutipan” ucapan yang digunakan untuk sintesis, jenis sintesis berikut dibedakan:
- segmen mikro (microwave);
- alofonik;
- difonik;
- setengah suku kata;
- suku kata;
- sintesis dari satuan ukuran yang berubah-ubah.
Metode yang paling umum digunakan adalah metode alofonik dan difonik. Untuk metode sintesis ucapan difonik, unsur dasarnya adalah semua jenis kombinasi fonem binomial, dan untuk metode alofon - kombinasi konteks kiri dan kanan (alofon adalah varian fonem, yang ditentukan oleh lingkungan fonetik spesifiknya. ). Pada saat yang sama berbagai jenis konteks digabungkan ke dalam kelas-kelas sesuai dengan tingkat kedekatan akustik.
Keuntungan dari sistem tersebut adalah memungkinkan untuk mensintesis teks dari teks yang tidak ditentukan sebelumnya, namun kelemahannya adalah kualitas ucapan yang disintesis tidak sebanding dengan kualitas ucapan alami (distorsi dapat terjadi pada batas-batasnya). elemen jahitan). Juga sangat sulit untuk mengontrol ciri-ciri intonasi ucapan, karena ciri-ciri setiap kata dapat berubah tergantung pada konteks atau jenis frasa.
Namun, ini semua hanya teori. Dalam praktiknya, pada tahap perkembangan saat ini, meskipun ada kemajuan aktif di bidang ini, pengembang teknologi sintesis ucapan masih mengalami beberapa kesulitan, terutama terkait dengan kepalsuan ucapan yang disintesis, kurangnya pewarnaan emosional di dalamnya, dan kekebalan kebisingan yang rendah.
Faktanya adalah bahwa setiap ucapan yang disintesis, pada umumnya, sulit untuk dipahami oleh seseorang. Hal ini disebabkan oleh fakta bahwa celah dalam teks yang disintesis diisi oleh otak manusia, yang menggunakan sumber daya tambahan untuk ini, dan seseorang biasanya dapat merasakan ucapan yang disintesis hanya sekitar 20 menit.
Persepsi tuturan juga dipengaruhi oleh pewarnaan emosionalnya. Dalam kasus ucapan yang disintesis, itu tidak ada. Meskipun perlu dicatat bahwa beberapa algoritma masih memungkinkan sampai batas tertentu meniru pewarnaan emosional ucapan dengan mengubah durasi fonem, jeda dan modulasi timbre, namun sejauh ini pekerjaan mereka jauh dari ideal.
Adapun masalah ketiga yang disebutkan - kekebalan kebisingan yang rendah, eksperimen menunjukkan bahwa persepsi teks yang disintesis terganggu oleh siapa pun, bahkan yang terkecil sekalipun. kebisingan asing. Hal ini sekali lagi disebabkan oleh fakta bahwa untuk memproses ucapan yang disintesis, otak manusia menggunakan pusat tambahan yang tidak digunakan saat memahami ucapan alami.
Di akhir artikel ini saya ingin memberikan beberapa contoh penyintesis ucapan yang ada.
Semua orang tahu apa yang disebut "pembaca" - program untuk membaca teks dari monitor dengan lebih nyaman. Banyak dari kita menggunakan program sintesis ucapan untuk menyuarakan teks, misalnya Balabolka dan Govorilka.
Agar program tersebut dapat membaca teks, Anda juga harus menginstal perpustakaan SAPI (Speech API) dan mesin suara. Yang paling umum adalah dua versi Speech API: SAPI4 dan SAPI5. Kedua perpustakaan dapat berjalan di komputer yang sama. DI DALAM sistem operasi ah Windows XP, Windows Vista dan Windows 7 sudah memiliki perpustakaan SAPI5 yang terinstal.
Selain e-reader, program akses layar juga umum digunakan. Contoh program tersebut adalah:
VIRGO 4. Program ini dibuat untuk kenyamanan kerja pengguna Windows yang buta dan tunanetra. Ini memungkinkan Anda memilih informasi yang akan diucapkan melalui suara dan informasi yang akan ditampilkan pada tampilan Braille. Untuk pengguna tunanetra, disediakan sistem pembesaran layar Galileo.
Cobra 9.1 juga membuat bekerja dengan Windows lebih mudah bagi pengguna tunanetra dan tunanetra. Program ini dapat menampilkan informasi dari monitor komputer menggunakan ucapan, tampilan braille, dan memiliki fungsi pembesaran layar.
Absinthium
Kategori:
Tag:
Melihat kesalahan? Pilih dengan mouse dan tekan Ctrl+Enter!
Komentar
DENGAN poin teknis Menurut saya artikel tersebut benar. Namun ketika penulis menambahkan sendiri, masalah dimulai. Jelas bahwa sulit bagi seseorang yang hanya mendengarnya dan tidak terus-menerus menggunakannya untuk menilai. Jadi jangan menganggap ini sebagai keluhan, saya hanya ingin mengklarifikasi sesuatu.
Faktanya, tingkat penyintesis ucapan cukup dapat diterima. Meskipun, tentu saja, yang dikembangkan 10 - 15 tahun yang lalu masih terus ada, dan merekalah yang menemukan topik tersebut di jaringan. Tapi ada orang lain yang lebih waras. Dalam 20 menit seseorang tidak bosan dengan synthesizer - saya bekerja dengan synthesizer 15 jam sehari. Dan masih banyak orang seperti saya. tetapi bahkan orang-orang yang tidak seperti saya dan rekan-rekan saya, tetapi seperti kebanyakan orang, senang mendengarkan, misalnya, buku audio yang direkam dari file teks menggunakan penyintesis ucapan. Seringkali, aktor yang membaca buku audio melelahkan seseorang lebih cepat dari 20 menit, jadi synthesizer, dengan keterusterangan mesin dan tanpa kompromi, lebih mungkin untuk menang, terutama jika Anda bukan seorang estetika, tetapi hanya menerima informasi. Dan program-program yang tercantum di bagian akhir, terutama virgo dan cobra, masih belum begitu terkenal di wilayah kita, bahkan di antara negara-negara yang menjadi tujuan program tersebut dikembangkan. Program pembaca layar yang paling terkenal adalah rahang untuk windows. Program ini adalah pemimpin di antara solusi lainnya. Program pembaca layar nvda juga populer di kalangan kami dan tentunya patut mendapat perhatian. Hal ini memungkinkan penyandang tunanetra untuk memecahkan sebagian besar masalah sehari-hari dan didistribusikan secara bebas.
Teknologi modern memungkinkan Anda menghasilkan ucapan langsung dari teks cetak. Bayangkan saja Anda bisa mengetik teks, yang kemudian akan diucapkan dengan suara pilihan Anda, dengan intonasi dan kecepatan pilihan Anda. Dan ini bukan fiksi, ini kenyataan.
Apa itu penyintesis ucapan?
Penyintesis ucapan Text to Speech (TTS). - program khusus, memungkinkan pembentukan sinyal ucapan (ucapan, suara) dari teks tercetak. Sintesis ucapan pertama kali disebutkan berasal dari abad ke-10. Pada akhir abad ke-18, ilmuwan Christian Kratzenstein menciptakan model saluran vokal manusia yang mampu mengucapkan lima bunyi vokal (a, e, i, o, u).Synthesizer ucapan berbasis komputer pertama kali muncul pada akhir tahun 1950an. Kedengarannya sangat primitif, dan ucapan seperti itu dapat dipahami dengan susah payah. Upaya untuk meningkatkan kualitas ucapan yang disintesis terus berlanjut. Sudah hari ini pidato dihasilkan sistem modern Sintesis ucapan terkadang tidak dapat dibedakan dari ucapan manusia yang sebenarnya.
Mengapa Anda memerlukan penyintesis ucapan?
Penyintesis ucapan dapat berguna bagi Anda dalam banyak kasus, misalnya:- Saat bepergian- cukup ketikkan frasa apa saja, dan program akan mengucapkannya dalam bahasa yang Anda butuhkan.
- Untuk membaca e-book, teks, dokumen- Anda menjalankan bisnis Anda, dan program membacakan untuk Anda.
- Untuk belajar bahasa asing- kesempatan bagus untuk melatih pengucapan dan keterampilan berbicara secara gratis.
Penyintesis ucapan A1 SpeechTRON
A1 PidatoTRON- penyintesis pidato bahasa Inggris dari teks. Dapat digunakan untuk membaca catatan, dokumen teks, buku elektronik, dan materi teks lainnya (format: teks, RTF, DOC). Speech synthesizer (TTS) juga dapat digunakan saat belajar bahasa Inggris. Program ini sepenuhnya mendukung Microsoft TTS SAPI 4.0, memiliki antarmuka yang sepenuhnya dapat disesuaikan, berkualitas tinggi suara, pengaturan kecepatan membaca, menulis ke file. Ada dukungan untuk kamus khusus dan tambahan.Penyintesis ucapan BacaTolong
ReadingBar penyintesis ucapan
Penyintesis ucapan FlameReader
Pembaca Api adalah penyintesis ucapan multifungsi yang memungkinkan Anda menghasilkan ucapan dari teks atau file apa pun. Cukup pilih teks di program atau dokumen apa pun, dan FlameReader akan segera mengucapkannya. Program ini memiliki banyak kemampuan: merekam suara ke file (wav dan mp3), membaca email, dokumen, halaman web, mengisi suara presentasi PowerPoint, menerjemahkan teks. Anda selalu dapat mengonfigurasi FlameReader dengan cara yang nyaman bagi Anda dengan memilih mesin suara, kecepatan pemutaran, dan parameter lainnya. FlameReader menambahkan bilah navigasi ke paket perangkat lunak Microsoft Office, membuatnya lebih mudah untuk dikerjakan. Disertakan dengan program editor yang nyaman file suara. Penyintesis ucapan Teks Hidup ke Ucapan
Penyintesis ucapan YeoSoft Text ke Speaker MP3
Penyintesis ucapan TextAloud
Penyintesis ucapan verbose
Suara Teks- Konverter file teks ke suara (wav dan mp3). Program kecil ini akan membantu Anda dengan cepat mengubah teks menjadi ucapan dan menyimpannya sebagai file audio. Program ini memungkinkan Anda memproses beberapa file sekaligus dan membuat daftar tugas.Kami telah belajar mengenali ucapan, meskipun untuk saat ini hanya bahasa Inggris, kami tidak akan tinggal diam, kami akan melangkah lebih jauh, atau lebih tepatnya ke arah yang berlawanan - kami akan mengubah teks menjadi ucapan suara.
Synthesizer paling populer dan bebas berbicara yang saya ketahui dan pernah saya gunakan dalam pengalaman praktis: Festival, bicara e, Buka Mary.
Mari kita lihat ketiganya secara berurutan.
Festival
sistem operasi: Linux
bahasa Rusia: ya (suara laki-laki)
Situs web: http://www.cstr.ed.ac.uk/projects/festival/
Sebuah synthesizer yang cukup canggih, hadir dengan paket bahasa berikut: Inggris (dalam pengucapan Inggris dan Amerika), Welsh dan Spanyol. Ada juga paket lain seperti Spanyol Kastilia, Ceko, Finlandia, Hindi, Italia, Marathi, Polandia, Rusia, dan Telugu. Festival disertakan dengan beberapa distribusi Linux. Synthesizer memahami bahasa Rusia dengan cukup baik; jika Anda bermain-main dengan ejaan kata dan tanda baca, Anda dapat memperoleh ucapan yang cukup waras.
Instalasi
Sudah ada banyak materi di jaringan tentang menginstal festival dan menambahkan bahasa Rusia, jadi saya tidak akan membahas terlalu banyak detail, saya hanya akan mengatakan bahwa Anda perlu menginstal festival itu sendiri (diinstal dari repositori - festival) dan paket bahasa Rusia, yang juga diinstal dari repositori (festvox-ru), maka Anda harus sedikit mengubah konfigurasinya. Ada artikel bagus tentang hal ini.
Penggunaan
Di konsol:
Gema "Halo" | festival --tts --bahasa rusia
bicara e
sistem operasi: Linux, Windows, Mac OS X, RISCOS
bahasa Rusia: ya (suara laki-laki)
Situs web:
Synthesizer ucapan perangkat lunak yang sederhana dan ringkas. Menurut informasi, eSpeak digunakan pada sistem operasi seluler sistem Android, mulai dari versi 1.6, dan Maemo. Versi untuk Windows dan Linux diperbarui secara berkala kode sumber, dengan platform lain segalanya menjadi lebih buruk. Banyak bahasa yang didukung, termasuk Rusia, Inggris, Prancis, Spanyol, dll. Jika kita membandingkan pidato Rusia, eSpeak lebih rendah daripada Festival, bahasa Inggris, Prancis, dan Jerman setara.
Instalasi
Di beberapa distro, Linux eSpeak sudah terinstal, jika belum dapat diinstal cukup dari konsol (espeak), atau dengan mendownload versi yang diperlukan s, misalnya, dalam kasus Windows.
Penggunaan
Di konsol:
Ucapkan "Halo dunia!" -vru -s 100
Di mana:
-v bahasa (ru, en, de)
-s kecepatan (80-450)
Buka Mary
sistem operasi: Linux, Windows, Mac OS X
bahasa Rusia: ya (suara laki-laki)
Situs web: http://mary.opendfki.de
Synthesizer yang masih muda dan belum terlalu populer, tetapi pada saat yang sama sangat fungsional dan canggih. Ditulis dalam Java, yang memungkinkannya menjadi platform independen. Ia bekerja berdasarkan prinsip klien-server. Ini memiliki add-on ucapan tingkat lanjut, yang dengannya Anda dapat menentukan intonasi, timbre, dan kecepatan untuk setiap kata. Dilengkapi dengan klien yang ditulis dalam Java yang sama, dengan antarmuka grafis.
Instalasi
Instalasinya cukup mudah dan tidak memerlukan tenaga apapun, download installer Java (jangan lupa Java wajib) . Luncurkan penginstal dan ikuti instruksinya. Pada tahap instalasi tertentu, Anda akan diminta untuk memilih paket bahasa yang akan kita gunakan. , Bagi saya sendiri, saya memilih bahasa Rusia dan Inggris.
Penggunaan
Masuk ke direktori instalasi, masuk ke folder tempat sampah dan mulai server - server mary. Segera setelah server dimulai, luncurkan klien - klien mary.
Jika semuanya dilakukan dengan benar, setelah menekan tombol “Mainkan” Anda akan dapat mendengar pengucapan teks tertulis. Dalam folder contoh, direktori di atas, terdapat contoh implementasi klien untuk berbagai bahasa.
Kesimpulan
Festival: untuk rata-rata proyek rumah dan perusahaan (menginformasikan tentang cuaca, membaca surat, “bahasa” untuk bot, dll.).
bicara elektronik: untuk pelaksanaan tugas-tugas kecil (melaporkan waktu sekarang, menginformasikan kemacetan lalu lintas, jumlah surat masuk kotak surat, ruang bebas pada hard drive, dll.).
OpenMary: untuk proyek besar (sistem " rumah pintar", sulih suara program, membaca teks besar).
Penyintesis ucapan semakin banyak digunakan dalam kehidupan sehari-hari. Speech synthesizer, seperti namanya saja, melakukan sintesis ucapan, yaitu memformat teks tertulis menjadi teks lisan.
Berkat ini, Anda dapat mempelajari kata-kata asing baru dengan pengucapan yang benar, membaca buku tanpa terganggu oleh pekerjaan Anda atau, misalnya, saat dalam perjalanan. Awalnya, pengembangan program tersebut dilakukan oleh organisasi yang mengkhususkan diri di bidang teknologi untuk penyandang masalah penglihatan.
Sekarang, setiap pengguna dapat mengunduh salah satu program, menginstalnya di komputer atau ponsel mereka dan mensintesis ucapan, termasuk bahasa Rusia.
Untuk tujuan ini, banyak yang telah dikembangkan berbagai program, terpasang dan bahkan seluruh sistem. Sayangnya, tidak semuanya ditujukan untuk penonton berbahasa Rusia.
1. Akapela
Acapela adalah salah satu penyintesis ucapan yang paling banyak digunakan di seluruh dunia. Program ini mengenali dan membaca teks dalam lebih dari tiga puluh bahasa. Bahasa Rusia didukung oleh dua suara: suara laki-laki - Nikolai, suara perempuan - Alena.
Suara perempuan muncul lebih lambat dibandingkan suara laki-laki dan lebih maju.
Instalasi program berjalan tanpa masalah. Versi untuk ruang operasi telah dikembangkan sistem Windows, Linux, Mac, serta untuk sistem operasi seluler Android dan iOS.
Program ini berbayar, Anda dapat mendownloadnya dari situs resmi Acapela.
2. Vokalis
Yang kedua dalam daftar kami, tetapi tidak dalam popularitas, adalah mesin Milena dari pengembang program Vocalizer, Nuance.
Suaranya terdengar sangat natural, ucapannya jelas. Dimungkinkan untuk memasang kamus yang berbeda, serta menyesuaikan volume, kecepatan dan penekanan, yang tidak kalah pentingnya.
Seperti halnya Acapela, program ini memiliki versi berbeda untuk aplikasi seluler, otomotif, dan desktop. Bagus untuk membaca buku.
Anda dapat mengunduh semua versi Vokalizer dan mesin Milena berbahasa Rusia di situs web resmi produsen program.
3. Suara RH
Kode synthesizer terbuka untuk semua orang, dan programnya benar-benar gratis.
RHVoice dirilis dalam dua versi: sebagai program terpisah dan sebagai aplikasi untuk NVDA.
Semua versi dapat diunduh dari situs resmi pengembang.
4.Bicaralah
Versi pertama dari synthesizer kebebasan berbicara eSpeak dirilis pada tahun 2006. Sejak itu, perusahaan pengembang terus merilis versi yang lebih maju. Versi terbaru disampaikan pada akhir musim semi tahun dua ribu tiga belas.
eSpeak dapat diinstal pada sistem operasi berikut:
- Microsoft Windows
- Mac OSX,
- Linux
- RISIKO
Kompilasi kode untuk Windows Mobile juga dimungkinkan, tetapi Anda harus melakukannya sendiri.
Tapi dengan OS seluler program Android berfungsi tanpa masalah, meskipun kamus bahasa Rusia belum sepenuhnya berkembang. Ada banyak suara berbahasa Rusia, Anda bisa memilih sesuai selera.
5.Festival
Festival adalah keseluruhan sistem pengenalan dan sintesis ucapan yang dikembangkan di Universitas Edinburgh.
Program dan semua modul benar-benar gratis dan didistribusikan melalui sistem sumber terbuka. Anda dapat mengunduhnya dan melihat versi demo di situs resmi Universitas Edinburgh.