Tekst-naar-spraak (TTS) is een technologie die tekst in een digitale interface omzet in hoorbare, natuurlijk klinkende spraak. Het heet ook “voorleestechnologie”, computergegenereerde spraak of spraaksynthese. De meeste bedrijven bieden TTS aan als programmeerinterface (API).
Tekst-naar-spraaksystemen zijn oorspronkelijk ontwikkeld als hulptechnologie om diensten toegankelijker te maken voor mensen met een visuele beperking of leerproblemen zoals dyslexie. Nu kunnen AI-stemgeneratoren menselijke spraak beter simuleren en ontstaan nieuwe toepassingen: klantenservicegesprekken, AI-gegenereerde podcasts, voice-overs en luisterboekverteller.
De evolutie van tekst-naar-spraaktechnologie
De eerste elektrische spraaksynthesizers verschenen rond de jaren 1930; ze waren beperkt en lastig te bedienen.
Met de komst van computers begonnen programmeurs eind jaren 1950 algoritmen te ontwikkelen die grote databases met audiobestanden als geluidsbron gebruikten. Ze zochten fonetische overeenkomsten voor teksteenheden en zetten spraakelementen aan elkaar. In het begin klonk het robotachtig, maar met betere taalmodellering werden ook de algoritmen beter.
Toen deep learning en neurale netwerken in de jaren 2000 opkwamen, begon men geluidsgolven rechtstreeks uit spraakopnames te modelleren, met hoogwaardige, realistischer klinkende stemmen. Tegelijk verbeterden spraakherkenning en natuurlijke taalverwerking, en conversationele AI steunde op de combinatie van speech-to-text en tekst-naar-spraak.
Hoewel AI en machine learning natuurlijk klinkende spraak makkelijker maken, brachten ze ook nieuwe controverses, zoals deepfakes. Techbedrijven werken aan realtime audioanalyse om audio-deepfakes te detecteren.
Hoe werkt tekst-naar-spraak?
Deep-learningtechnieken laten synthesemodellen meer data analyseren en het verband tussen woorden en hun akoestische kenmerken beter begrijpen, waardoor de stem natuurlijker klinkt. De omzetting is een proces in meerdere stappen met twee hoofdonderdelen: taalkundige analyse en spraaksynthese.
Taalkundige analyse
De diepe neurale netwerken van het model worden getraind op audiodatasets en bijbehorende transcripties, vooral in het Engels en soms in andere talen, om te begrijpen hoe woorden bij spraak horen, plus accenten, toonhoogte, volume, intonatie en ritme. Bij een invoertekst analyseert het model woorden, leestekens en zinsbouw. Het kan afkortingen uitschrijven, woordduur berekenen, de juiste uitspraak bepalen en intonatie en ritme in kaart brengen.
Spraakgeneratie
Na de analyse zet het model de tekst in twee stappen om in audio:
- Stap 1: de tekst wordt omgezet in in de tijd uitgelijnde kenmerken, zoals een spectrogram dat frequentieveranderingen over de tijd beschrijft, met details van spraak, contextafhankelijke uitspraak, nadruk en woordtiming.
- Stap 2: een vocoder zet die kenmerken om in geluidsgolven, waar de computer natuurlijke spraak van maakt. Sommige modellen laten je volume, toon en snelheid aanpassen en taal, accent en spreekstijl kiezen.
Veel apparaten, zoals smartphones, hebben ingebouwde tekst-naar-spraaksystemen. De technologie is er ook als software, browserextensie, webtool of downloadbare app.
Toepassingen van tekst-naar-spraak
Het is ontwikkeld om de toegankelijkheid te verbeteren, zodat mensen met een visuele beperking of leesproblemen via computers en andere apparaten met tekst kunnen werken; Stephen Hawking gebruikte bijvoorbeeld een versie. Nu wordt het vooral gebruikt waar handmatig lezen onpraktisch is of de tijd van een medewerker bespaart:
- Audiocontent: teksten, boeken, lessen, handleidingen en instructies voorlezen voor e-learning en online training; nieuwsmedia kunnen artikelen in audio omzetten.
- Onderwijs: helpt leerlingen zich te concentreren en de tekst te volgen, woorden aan uitspraak te koppelen, begrijpend lezen te verbeteren en eigen werk hardop na te lezen; ondersteunt ook leerlingen met een visuele beperking of dyslexie.
- Chatbots en virtuele assistenten: Siri of Cortana combineren tekst-naar-spraak en spraak-naar-tekst om verzoeken te begrijpen en natuurlijk te converseren, meldingen aan te kondigen en berichten voor te lezen tijdens het rijden; in klantenservice voelen gesprekken natuurlijker.
- Navigatie: gps geeft in realtime aanwijzingen; vroeger waren dat opgenomen stemmen en algemene opdrachten, nu kan de exacte straatnaam worden genoemd.
- Meertalige communicatie en taalleren: apps als Google Translate vertalen audio tussen talen, handig om video's te dubben, en laten taalleerders natuurlijke uitspraak horen.
- Media en entertainment: verlaagt kosten met commentaar en vertelling in games en stemmen van personages; sommige studio's werken met stemacteurs om AI-stemmen te verfijnen.
- Zorg: zorginstellingen bieden audioversies van hun content en gebruiken spraakinterfaces om afspraken te herinneren en nieuws te melden, belangrijk voor patiënten met een visuele beperking, spraakstoornis, beperkte mobiliteit of leerproblemen.
Nu je de basis van deze boeiende wereld kent, is het tijd om die in de praktijk te brengen.
Klaar om je woorden om te zetten in een stem die boeit?
Moknah vandaag
Moknah zet tekst om in natuurlijke spraak in meer dan 130 talen, met ongeveer 600 stemmen op twee engines: Standard, met emoties en dialecten, en Advanced, die je aanstuurt door de voordracht in woorden te beschrijven. Voor Arabisch zijn er drie tekstprocessors: Basic, Tashkeel en AI Poet. Deze technologieën kun je uitproberen in Moknah: Text to Speech in meer dan 130 talen, Dubbing en Voice Cloning.
Begin vandaag je reis in de wereld van audiocontent.
Probeer Moknah gratis, zonder creditcard: typ je tekst, kies een stem en hoor het resultaat in seconden. Bekijk de abonnementen op de prijzenpagina.
Bron: IBM.COM
Klaar om je teksten een stem te geven? Ontdek de abonnementen van Moknah