Przykłady zastosowania syntezatora mowy. Zwiększ zadowolenie klientów dzięki Ondoku.

Oprogramowanie do syntezy mowy jest znacznie bliższe nam, niż mogłoby się wydawać.

Do najbardziej znanych współczesnych przykładów należą

• Amazon Alexa
• Google Home

czyli asystenci AI.

Kiedy zadajemy pytanie asystentowi AI, ten nam odpowiada, prawda?

Nie oznacza to jednak, że w środku siedzi człowiek i udziela odpowiedzi.

Wykorzystywana jest technologia syntezy mowy.

W tym artykule przedstawimy przykłady zastosowania takiego oprogramowania do syntezy mowy.

Czym jest oprogramowanie do syntezy mowy

Oprogramowanie do syntezy mowy to oprogramowanie, które konwertuje dokumenty, takie jak tekst czy litery, na dźwięk i je odczytuje.

Oprócz czytania w języku japońskim, istnieją również programy obsługujące wiele języków, takich jak angielski, chiński, niemiecki, hiszpański, włoski i inne.

Niektóre z nich pozwalają na swobodną zmianę prędkości głosu lub pobranie nagrania w formacie pliku audio, takim jak MP3.

O syntezie mowy

Głos asystentów AI jest tworzony poprzez syntezę w oprogramowaniu do czytania tekstów.

Na przykład, załóżmy, że asystent AI odpowiada: „Dzisiejsza pogoda jest słoneczna”.

Wewnątrz maszyny błyskawicznie składane są znaki odpowiedzi: „dzi-sia-jsza-po-go-da-jest-sło-ne-czna”.

Następnie, poprzez wywoływanie i artykułowanie „dźwięku” każdego znaku, odpowiedź „Dzisiejsza pogoda jest słoneczna” może zostać wygenerowana jako głos.

Jednakże, ponieważ wymawianie pojedynczych znaków brzmiałoby zbyt nienaturalnie, wewnątrz oprogramowania

• przetwarzanie dźwięku oraz
• obróbka dźwięku

są wykonywane tak, aby efekt końcowy był jak najbardziej zbliżony do słów wypowiadanych przez prawdziwego człowieka.

Przykładem tego są intonacja oraz łączenia między poszczególnymi słowami.

Sposób przetwarzania intonacji i łączeń różni się w zależności od oprogramowania do syntezy mowy.

Z tego powodu odczucia dotyczące „wyrazistości” czy „łatwości użytkowania” głosu różnią się w zależności od firmy dostarczającej oprogramowanie.

Sytuacje, w których potrzebne jest oprogramowanie do syntezy mowy

Uważano, że oprogramowanie do syntezy mowy to technologia potrzebna głównie dla:

• osób niewidomych i niedowidzących
• osób starszych, którym trudno czytać mały druk

Jednak w rzeczywistości jest ono potrzebne w znacznie większej liczbie sytuacji, niż nam się wydaje.

Patrząc na przykłady wdrożeń, można wyraźnie zobaczyć, w jakich sytuacjach jest ono wymagane.

Przykłady zastosowań oprogramowania do syntezy mowy

1. Jako automatyczny głos w usługach obsługi telefonicznej
2. Jako narracja w filmach na YouTube i innych platformach
3. Jako środek wsparcia dla osób niewidomych i niedowidzących
4. Jako ogłoszenia alarmowe
5. W roli przypominającej radio

1. Jako automatyczny głos w usługach obsługi telefonicznej

Oprogramowanie do syntezy mowy jest wykorzystywane w usługach odczytujących stałe teksty, takich jak:

• obsługa automatycznej sekretarki
• telefoniczne biura obsługi z automatycznymi komunikatami
• głos w filmach do szkoleń wewnętrznych

Dzięki dodaniu modulacji można zbliżyć dźwięk do mowy prawdziwego człowieka, a przy jakości dźwięku w telefonie osiąga on poziom, który nie różni się znacząco od ludzkiego głosu.

2. Jako narracja w filmach na YouTube i innych platformach

Wraz ze wzrostem popularności YouTube, pojawiło się bardzo wiele przypadków użycia oprogramowania do syntezy mowy jako narracji w filmach.

Dawniej filmy typu „Yukkuri解説” były jednymi z pierwszych przykładów wykorzystania oprogramowania do czytania tekstu w narracji.

Również w programach telewizyjnych zdarza się, że oprogramowanie do syntezy mowy jest używane jako lektor.

Jak szybko stworzyć narrację do filmów na YouTube i innych przy użyciu oprogramowania do syntezy mowy. Wskazówki i porady

Wyjaśniamy, jak szybko stworzyć narrację wideo na YouTube za pomocą Ondoku. Przejrzyste instrukcje od tworzenia scenariusza, przez obsługę Ondoku, po regulację naturalnej intonacji i edycję w programach do montażu. Pozycja obowiązkowa dla osób chcących usprawnić produkcję wideo!

3. Jako środek wsparcia dla osób niewidomych i niedowidzących

Dla osób niewidomych i niedowidzących czytanie książek, dokumentów czy internetu bez wsparcia jest trudne, nawet jeśli tekst tam jest.

Dlatego od dawna stosuje się tam oprogramowanie do syntezy mowy.

Osoby z dysfunkcją wzroku często „słuchają” dokumentów przy przyspieszonym tempie głosu.

Mój znajomy zawsze słuchał z prędkością 4x. Niesamowite...

4. Jako ogłoszenia alarmowe

Czy wiedzieli Państwo, że oprogramowanie do syntezy mowy jest również wykorzystywane w systemie J–ALERT (Ogólnokrajowy System Natychmiastowego Ostrzegania)?

Podczas klęsk żywiołowych i innych sytuacji kryzysowych lub chaosu, nadawanie komunikatów wewnątrz gminy w celu wezwania mieszkańców do ewakuacji jest niezwykle ważne.

Jednak do tej pory nadawanie komunikatów wymagało obecności człowieka na miejscu.

Dzięki nadawaniu za pomocą oprogramowania do syntezy mowy możliwe jest zapewnienie bezpieczeństwa personelowi, a także wykonywanie innych zadań równolegle.

5. W roli przypominającej radio

Czy znają Państwo pojęcie „słuchania przy okazji”?

Polega ono na przyswajaniu informacji za pomocą słuchu podczas wykonywania innej czynności, np. prac domowych czy dojazdów do pracy.

Usługą wyspecjalizowaną w takim słuchaniu jest „Alukiki” wydawane przez dziennik Asahi Shimbun.

To idealna usługa dla zapracowanych ludzi, pozwalająca wysłuchać najważniejszych wiadomości dnia w około 5 minut.

Wiadomości te nie są czytane przez człowieka, lecz przez oprogramowanie do syntezy mowy.

„Słuchanie” książek czy wiadomości podczas robienia innych rzeczy przyciąga coraz większą uwagę w erze nastawionej na efektywność czasową.

Czym jest popularne „mimikatsu” (aktywność słuchowa)? Wyjaśniamy, jak zacząć i polecamy 5 darmowych aplikacji

Rekomendacja aktywności słuchowej, którą można zacząć nawet w najbardziej zajęte dni. Przedstawiamy 5 darmowych aplikacji, takich jak czytniki AI czy podcasty, oraz sposoby ich wykorzystania w różnych sytuacjach, np. podczas dojazdów, prac domowych, spacerów czy ćwiczeń.

Oprogramowanie do syntezy mowy staje się powszechne

Oprogramowanie do syntezy mowy jest w rzeczywistości znacznie bliższe nam, niż mogłoby się Państwu wydawać.

• Nie lubię go, bo brzmi jak automat
• Trudno je zrozumieć

Takie opinie są częste, ale ostatnio wyrazistość głosu ulega ciągłej poprawie, umożliwiając mówienie w sposób zbliżony do ludzkiego.

Ponadto synteza mowy jest wygodniejsza, niż można przypuszczać.

Na przykład, nawet w przypadku czytania tego artykułu na blogu:

• czytanie po cichu,
• słuchanie wyłącznie dźwięku,
• śledzenie tekstu wzrokiem podczas słuchania dźwięku,

to sytuacje, w których łatwość czytania i stopień przyswajania informacji są zupełnie inne.

Istnieją wyniki badań wskazujące, że im więcej zmysłów angażuje człowiek, tym łatwiej treść tekstu zapada w pamięć.

Dodanie funkcji czytania na głos do bloga nadaje mu wartość dodaną: „ten blog można również czytać słuchając”.

Wartość dodana prowadzi do zwiększenia satysfakcji klienta.

Rzeczy wygodne są łatwiej akceptowane przez ludzi i szybko się rozprzestrzeniają.

W przyszłości usługi „syntezy mowy” będą się upowszechniać na dużą skalę.