Az IBM neve mára összeforrt a számítástechnikával és a modern technológiával. Olyan márkák közé tartozik, mint a Microsoft vagy az Apple – gyakorlatilag mindenki ismeri. Nem véletlenül: az IBM számos fejlett szoftvert gyárt, amelyek rengeteg hasznos funkcióval könnyítik meg a mindennapjainkat.
Ezek közül az egyik az IBM Watson. Ez egy mélytanuló szövegfelolvasó alkalmazás, amely bármilyen írott szöveget kiváló minőségű hangfájllá alakít számos valósághű hanggal. A következőkben alaposan végigvesszük az alkalmazás minden fontos részletét, hogy lásd, hogyan viszonyul az árához.
Mi az a Watson szövegfelolvasó?
A Watson Text to Speech lényege, hogy egy felhőalapú API, amely természetes nyelvi feldolgozást biztosít. AI-alapú hangokat generál több nyelven, és ezek a narrátorok mind valósághűek, szinte megkülönböztethetetlenek az igazi emberi hangoktól. Tényleg egy remek szoftver nagyszerű funkciókkal, a használatához pedig nincs szükség külön képzésre.
Virtuális asszisztensként használható például arra, hogy külföldi partnerekkel az anyanyelvükön kommunikálj, vagy hogy megszüntesd a várakozási időt az ügyfélszolgálati hívások során. Ezen felül javítja az akadálymentességet diszlexiások, ADHD-sek vagy látássérültek számára. De ne szaladjunk ennyire előre – hamarosan a felhasználási területeire és az előnyeire is kitérünk.
Funkciók
Akárcsak a legjobb alkalmazások, a Watson szövegfelolvasó is sokat kínál a felhasználóinak. Nemcsak valós idejű beszédfelismerő eszköz, ennél jóval többre képes. Nézzük tehát a legfontosabb funkcióit!
Nyelvek
A Watson szövegfelolvasó több mint 10 különböző nyelvet támogat, például angolt, németet, olaszt, kínait, arabot és portugált. Ráadásul – más szövegfelolvasó appoktól eltérően – lehetővé teszi, hogy egy nyelven írd be a szöveget, de egy másik nyelven olvassa fel. Ez a funkció különösen jól jön a nyelvtanulóknak.
Szerkesztési lehetőségek
Bár ez nem egy szövegszerkesztő szoftver, azért néhány alapvető SDK beállítással lehet játszani. Amint megnyitod a Watson szövegfelolvasó alkalmazást, máris megjelenik egy párbeszédablak, ahol írhatsz vagy beilleszthetsz már meglévő szöveget. Ezután kiválaszthatod a nyelvet, és tovább finomíthatod a hangot.
Különböző dialektusok és hangok, valamint sebesség és hangmagasság választható. Az angolhoz például amerikai, brit és ausztrál akcentus közül választhatsz. Bár ez ma már nem számít újdonságnak a TTS alkalmazások világában, egy átlagos felhasználónak mégis bőven kielégítő.
Hangváltozatok
Ahogy említettük, minden nyelvhez többféle hang tartozik. Az amerikai angol például 11 AI narrátort kínál. Az Alissontól Michaelig mindegyikük egyedi karakterrel rendelkezik. Nemcsak férfi vagy női lehet a hangjuk, hanem vannak közöttük oktatásra vagy e-learningre ideális változatok, illetve vidámabbak is, amelyek YouTube-videókhoz passzolnak.
Mi emeli ki a többi közül?
Mitől különbözik az IBM Watson a többi szövegfelolvasótól? A márkanéven túl az AI hangjai valóban kiválóak – mind neuronális rendszerűek, tehát természetesebbek. Emellett egyedi hang létrehozását is lehetővé teszi, ami különösen jól jön a tartalomgyártóknak.
De ez még nem minden. Ez a Watson asszisztens még többet kínál. Többek között előre meghatározhatod a szó kiejtését is. Ez kiváló funkció a szokatlan szavak tisztázására, és professzionálisabbá teszi a felolvasást.
Ráadásul a narrátorok kifejezőképességét is szabályozhatod. Minden hangnak adhatsz beszédstílust – például Jó hír, Bocsánatkérés vagy Bizonytalanság. Ha ezt egyéni hangmagassággal, hangerővel és sebességgel kombinálod, igazán ütős hatást érhetsz el.
Felhasználás előnyei
Mindez elvezet a legfontosabb kérdéshez: kik profitálhatnak a legtöbbet az IBM Watson szövegfelolvasóból? Nos, sokan. A kisvállalkozóktól, akik jobb felhasználói élményt szeretnének chatbot segítségével kialakítani, egészen a videókészítőkig vagy e-learning tartalomgyártókig – mindannyian jól járhatunk vele. De vajon megéri? Nézzük meg!
Árazás
Bár nem nyílt forráskódú alkalmazás, a Watsonnak létezik egy ingyenes verziója, Lite néven. Ez megfelelő választás bárkinek, aki éppen nem tud szövegfelolvasó szoftvert vásárolni. Havi 10 000 karakter leírható, 35 hang közül választhatsz, 16 nyelv és dialektus érhető el.
Emellett léteznek Standard, Premium és Deploy Anywhere előfizetési tervek is. Ezek ára eltérő, és az IBM-mel egyeztetni lehet. Minden csomag korlátlan felolvasást enged, elérhető mind a 35 hang, minden nyelv és dialektus. A különbség csak abban van, hogy hogyan lehet harmadik féltől származó felhőszolgáltatásokkal – például a Google Clouddal – integrálni.
Speechify
Természetesen a Watson mellett is vannak más szövegfelolvasó szolgáltatások a piacon. Az egyik legismertebb ezek közül a Speechify, amelyet mindenképp érdemes kipróbálni. Gépi tanulási modelleken, mesterséges intelligencián és OCR algoritmusokon alapul. Ezek segítségével lefotózhatod a szöveget, és a Speechify nemcsak az írott szöveget, hanem a képen lévőt is felolvassa.
A Speechify több mint 30 AI hangot kínál, amelyek több mint 15 különböző nyelven beszélnek. Elérhető iOS-re, Android telefonokra, macOS számítógépekre alkalmazásként, valamint pluginként a Google Chrome és a Safari böngészőkhöz. Szóval, próbáld ki és alakíts bármilyen szöveget hanganyaggá.
GYIK
Lehet kereskedelmi célra használni az IBM Watson szövegfelolvasót?
Az IBM-mel kötött SaaS-megállapodás szerint a Watson szövegfelolvasót csak saját, személyes használatra lehet alkalmazni, kereskedelmi célra nem. Például nem számolhatsz fel pénzt másoknak azért, hogy a te Watson licenceddel írassák le a szövegüket.
Hogyan tölthetem le a Watson szövegfelolvasó alkalmazást?
Először létre kell hoznod egy IBM felhőfiókot. Ha ez megvan, átirányítanak a letöltési oldalra, ahol kiválaszthatod az eszközödnek megfelelő (x64 vagy x86) Watson szövegfelolvasó verziót.
