Pretvorba besedila v govor (TTS) in govorna sinteza morda zvenita kot novi tehnologiji, a imata dolgo zgodovino, ki sega stoletja nazaj.
Od prvih poskusov posnemanja človeškega govora z mehanskimi napravami do današnjih naprednih modelov umetne inteligence in globokega učenja je razvoj TTS resnično fascinantno potovanje.
V tem članku bomo podrobno raziskali zgodovino pretvorbe besedila v govor in govorne sinteze ter pogledali vznemirljive možnosti za prihodnost.
Pretvorba besedila v govor: od prvih naprav do današnje uporabe
18. in 19. stoletje
Zgodovina pretvorbe besedila v govor in govorne sinteze sega v 18. in 19. stoletje. V tem času so z mehanskimi napravami nastali prvi poskusi sinteze govora. Madžarski izumitelj Wolfgang von Kempelen je v 1770-ih razvil akustično-mehanski govorilni stroj, ki je posnemal človeški govorni trakt. Naprava je z mehi, jezički in cevmi ustvarjala samoglasnike in soglasnike.
Ob koncu 18. stoletja je angleški fizik Charles Wheatstone izdelal mehansko različico Kempelenovega stroja, ki ga je imenoval »govoreči stroj«. Lahko je ponovil zvoke različnih glasbil. Čeprav Wheatstonov stroj ni bil namenjen izključno govorni sintezi, je dokazal, da je zvok mogoče ustvariti mehansko.
V 19. stoletju so nastale tudi druge naprave, kot je Faberjev stroj za »umetni govor«. Te naprave so združevale mehanske in pnevmatske sisteme za ustvarjanje govornih zvokov.
Začetek 20. stoletja in prva povsem električna sinteza govora
Na začetku 20. stoletja je sinteza govora napredovala s prvim povsem električnim sistemom – vocoderjem Homerja Dudleyja, razvitim v Bell Labs v New Jerseyju.
Dudleyjev vocoder je uporabljal resonatorje in filtre za ustvarjanje sintetičnega govora. Vocoder, imenovan tudi Voder, so predstavili na svetovni razstavi 1939–1940 v New Yorku, kjer so ga upravljali s tipkami in nožnimi pedali.
Zgodnja 50. do pozna 70. leta – vzpon sintetizatorjev
Leta 1951 je Cooperjev vzorec predvajanja, navdihnjen z Dudleyjevim delom v Haskins Laboratories, omogočil razčlenjevanje in ponovno ustvarjanje zvočnih valov (»spektrogramskih vzorcev«) posnetega govora. Vzorce so shranili na magnetnem traku in jih predvajali kot sintetične ponovitve izvirnih zvokov.
Leta 1976 je Kurzweil Reading Machine predstavila prvi komercialno uspešen TTS sistem. Uporabljen je bil način konkatenacije – sestavljanje govora iz vnaprej posnetih fonemov in besed. Naprava je bila namenjena ljudem s posebnimi potrebami, a se je hitro uveljavila kot bralni pripomoček.
Od leta 1978 je Texas Instruments začel razvijati čip za sintezo govora, primeren za videoigre in računalniške aplikacije. Temeljil je na konkatenativni sintezi, združevanju posnetih govoric (difozi) v bolj naraven zvok. Kasneje so to tehnologijo uporabili tudi v DECtalk za osebe s posebnimi potrebami.
Sodobni sistemi pretvorbe besedila v govor
V zadnjih letih je med ključnimi inovacijami uporaba nevronskih mrež za ustvarjanje govora. Podjetja, kot sta Google in Microsoft, razvijajo napredne TTS sisteme na osnovi globokega učenja iz velikih zbirk človeških glasov za čim bolj naraven zvok.
Pomemben napredek pri pomožnih tehnologijah TTS pa so tudi metode izbiranja enot in konkatenativne sinteze, ki sestavljajo govor iz kratkih posnetkov, kot so difozi ali cele besede. Te tehnike uporabljajo aplikacije, kot so Speechify, Siri in Alexa, ter starejša orodja, kot je IBM ViaVoice.
Tudi tehnologija prepoznavanja govora je v zadnjih letih izjemno napredovala, kar omogoča še boljše TTS sisteme. S pomočjo algoritmov, ki pretvarjajo govor v besedilo, lahko TTS ustvarja bolj naravne prehode v sintetičnem govoru.
V zadnjem času pri TTS vse pogosteje vključujemo tudi prozodijo in intonacijo, kar omogoča naraven zven govora z ustreznimi premori, poudarki in tonom. Prozodija je posebej pomembna za jezike, kjer pomen stavka močno določa poudarek.
Globoko učenje in prihodnost tehnologije
Prihodnost TTS je obetavna. Z napredkom umetne inteligence in globokega učenja pričakujemo še naravnejši sintetizirani govor, ki bo znal posnemati nianse človeške komunikacije.
To bo še posebej uporabno pri razvoju virtualnih pomočnikov in klepetalnih botov, ki bodo lahko bolj pogovorni in omogočali naraven dialog z uporabniki.
Pričakujemo tudi napredek na področju fonetične transkripcije (pretvorbe besedila v foneme). Prepoznavanje in razumevanje govora bo natančnejše, kar pomeni še bolj zanesljivo in učinkovito pretvorbo govora v besedilo.
TTS tehnologija bo vse bolj dostopna in vpeta v vsakdanje življenje. Z vse bolj povezano tehnologijo bomo naprave upravljali glasovno v realnem času in si tako olajšali vsakdan.
Pridružite se revoluciji TTS s Speechify
Če iščete napredno pretvorbo besedila v govor, ki ustvarja naravno in kakovostno naracijo, preizkusite Speechify.
Speechify s sodobno tehnologijo oblikovanja formantov ustvarja naravne in realistične glasove – brez robotskega zvoka. Tudi znani uporabniki, kot je Stephen Hawking, ki je uporabljal TTS, bi bili navdušeni nad Speechify.
Uporaba Speechify je preprosta – obiščite uradno spletno stran ali prenesite mobilno aplikacijo, vnesite želeno besedilo, izberite glas ter prilagodite hitrost in višino. Speechify ustvari odlično naracijo, idealno za e-učenje, razlagalne videe, podcaste in predstavitve. Ustvarite lahko tudi lastne glasove za YouTube in družbena omrežja.
Ne zadovoljite se z slabšimi TTS storitvami – preizkusite Speechify že danes in doživite prihodnost pretvorbe besedila v govor.
Pogosta vprašanja
Kdo je razvil prvi govorni sintetizator na svetu?
Homer Dudley je v 30. letih prejšnjega stoletja v Bell Labs v New Yorku ustvaril prvi govorni sintetizator.
Kaj je namen govorne sinteze?
Namen govorne sinteze je ustvariti umetni govor iz besedila z uporabo jezikovne obdelave in analize temeljne frekvence.
Katere štiri uporabe ima TTS?
TTS se uporablja za dostopnost, zabavo, učenje jezikov in avtomatizacijo storitev, ki temeljijo na govoru.
Kakšne so prednosti pretvorbe besedila v govor?
TTS omogoča večjo dostopnost, učinkovitejše učenje in višjo produktivnost, saj lahko pisno vsebino preprosto poslušamo.
Kaj je bilo najbolj presenetljivo pri razvoju sinteze govora?
Eden najbolj presenetljivih mejnikov je bila iznajdba Wheatstonovega mehanskega govornega sintetizatorja.
