[Sammenligning] Hvilken tekst-til-tale-software læser mest menneskeligt?

Hej, tak fordi du altid bruger Ondoku.

Hvad er det, du er mest interesseret i, når du leder efter tekst-til-tale-software?

1. Om det er gratis eller koster penge
2. Om det læser op på en menneskeagtig måde
3. Om hastighed og pitch kan justeres

Dette er de tre største punkter af interesse.

Især spørgsmålet om det "læser op på en menneskeagtig måde" er et meget vigtigt emne for lytteren.

Tekst-til-tale-softwareindustrien er i konstant udvikling.

Denne gang har vi undersøgt, hvilken tekst-til-tale-software der læser mest menneskeagtigt op, under forudsætning af:

• Siden understøtter japansk
• Justering er mulig

*Dette indlæg indeholder gammelt indhold. Du kan lytte til de nyeste lydprøver i denne artikel, så tjek den endelig ud!

Lyt gratis til 16 typer stemmer fra tekst-til-tale-softwaren Ondoku. Skift indtryk ved at ændre pitch.

Ondoku har 16 typer japanske stemmer. Der er selvfølgelig både herre- og damestemmer. Vi har gjort det muligt at lytte til 8 typer af de mest brugte japanske stemmer, samt hvordan de lyder, når pitchen for hver stemme justeres.

Kendt tekst-til-tale-software

Når man undersøger tekst-til-tale-software, opdager man, at der findes mange forskellige programmer.

Men når man kigger nærmere, er det ret almindeligt, at selvom softwaren er forskellig, er den underliggende talesyntesemotor den samme.

Eks.) Bouyomi-chan og SoftTalk bruger den samme talesyntesemotor.

Hvis talesyntesemotoren er den samme, vil lydkvaliteten også være den samme, så i denne test behandler vi dem som det samme, selvom softwarenavnet er forskelligt.

Betalt tekst-til-tale-software

• AI Talk
• VOICEROID
• Ichitaro (Tekstbehandlingssoftware)

Gratis tekst-til-tale-software

• TexTalk
• SoftTalk
• Bouyomi-chan
• Coestation
• Ondoku

Kriterier for menneskeagtighed i tekst-til-tale-software

Kriterierne for, hvilken lyd der opfattes som menneskeagtig, varierer fra person til person.

• Om det læser op med masser af følelser
• Om det taler med god pausering og intonation
• Om det inkluderer udråb eller vejrtrækningslyde

Standarderne for, hvornår man føler, at en tekst læses op på en menneskeagtig måde, er individuelle.

I denne sammenligning vil vi lægge vægt på følgende kriterie for menneskeagtig oplæsning:

At kunne læse flydende op med passende pauser og uden mærkbar unaturlig intonation.

Dette skyldes, at funktionen til at læse op med følelser (på tidspunktet for denne artikel i 2021) kun findes i betalt tekst-til-tale-software.

Da vi gerne vil inkludere gratis software i sammenligningen, vil vi benytte dette kriterie denne gang.

Manuskript til sammenligning

For at kunne sammenligne, er vi nødt til at lade softwaren læse et manuskript op.

Da der er flere programmer, har vi valgt et kort manuskript i form af en vejrudsigt, som ikke lyder mærkelig, selv uden følelser.

Her er vejrudsigten for hele landet.
På Stillehavssiden, herunder Tokyo, fortsætter det tørre og solrige vejr.
Sørg for at forebygge forkølelse.
Her er temperaturerne fra middag til aften.
Det kolde vejr, der er typisk for januar, vil fortsætte over hele landet.

Sammenligning af de faktiske stemmer

Lad os nu lade tekst-til-tale-softwaren læse op.

Du kan afspille lyden ved at klikke på afspilningsknappen (▶).

TexTalk

【Under justering】

SoftTalk og Bouyomi-chan

Ondoku

Stemmeassistent

Speaker A

Speaker B

AI Talk

【Under justering】

VOICEROID

【Under justering】

Ichitaro (Tekstbehandlingssoftware)

【Under justering】

Coestation er udeladt denne gang, da det kræver syntetisering af ens egen stemme.

Indtryk efter at have sammenlignet resultaterne

Blandt de tekst-til-tale-software, der kan bruges gratis, følte jeg, at de mest menneskeagtige var:

1. Ondoku
2. TexTalk
3. Bouyomi-chan

TexTalk har en mekanisk, hvinende lyd, der kan være generende.

Bouyomi-chan har en lidt ulden stemme, der kan være generende.

Det er derfor i høj grad en smagssag.

Hvis vi kigger på de betalte løsninger, var rækkefølgen for menneskeagtig oplæsning:

1. VOICEROID
2. AI Talk

De betalte versioner har også ofte funktioner til at tilføje følelser og intonation til stemmen.

Med sådanne valgmuligheder ser det ud til, at anvendelsesmulighederne for stemmebrug vil udvide sig yderligere.

Med Ondokus nye AI-stemmer er det muligt at få en endnu mere naturlig og menneskeagtig oplæsning.

Man kan også angive oplæsningsstile som "glad og energisk".

Hvis du vil sammenligne de nye AI-stemmer, kan du også læse denne artikel.

Lyt gratis til 25 typer næste generations AI-japanske lydprøver. Understøtter også flersproget oplæsning.

Næste generations AI-stemmer, der kan generere følelsesladede stemmer med den nyeste AI-teknologi, er her! I denne artikel kan du lytte til lydprøver af Ondokus nye AI-stemmer. Det er også muligt at angive følelsesmæssige udtryk via fritekst og læse op på flere sprog.

Hvilken software du vælger at bruge, afhænger helt af din smag.

Hvis du overvejer kommerciel brug, har vi også samlet information om licenser for kommerciel brug for hver software, så tag et kig på denne artikel som reference.

[Betalt version] Hvordan er licensen for kommerciel brug af tekst-til-tale-software? Vi har undersøgt brug på YouTube.

Vi vil introducere, om kommerciel brug er mulig for fire betalte tekst-til-tale-software, og hvordan deres licenser fungerer. Softwaren vi dækker denne gang er Ondoku, AI Talk, VOICEROID, CeVIO...

Vi glæder os til at se dig igen.