[Podsumowanie] Który program do czytania tekstu brzmi najbardziej naturalnie? Porównanie.

Dzień dobry, dziękujemy za stałe korzystanie z Ondoku.

Co jest dla Ciebie najważniejsze przy szukaniu oprogramowania do syntezy mowy?

1. Czy jest darmowe, czy płatne
2. Czy czyta w sposób naturalny (ludzki)
3. Czy można regulować prędkość i wysokość tonu

To są trzy główne kwestie, które budzą największe zainteresowanie.

W szczególności kwestia tego, „czy czyta w sposób naturalny”, jest niezwykle ważna dla odbiorcy dźwięku.

Branża oprogramowania do syntezy mowy stale się rozwija.

Tym razem,

• Strony obsługujące język japoński
• Z możliwością regulacji

sprawdziliśmy, które oprogramowanie do syntezy mowy czyta najbardziej naturalnie przy zachowaniu tych warunków.

※ Ten artykuł zawiera nieaktualne treści. Najnowsze próbki głosowe można odsłuchać w tym artykule, więc koniecznie do niego zajrzyj!

Darmowe próbki 16 rodzajów głosów oprogramowania Ondoku. Zmień wrażenie dzięki regulacji wysokości tonu

Ondoku posiada 16 rodzajów japońskich głosów. Oczywiście dostępne są głosy męskie i żeńskie. Udostępniliśmy próbki 8 najczęściej używanych japońskich głosów oraz brzmienie każdego z nich po dostosowaniu wysokości tonu.

Znane oprogramowanie do syntezy mowy

Badając oprogramowanie do syntezy mowy, można zauważyć, że istnieje wiele programów.

Jednak przy bliższym zapoznaniu się z tematem, dość często zdarza się, że mimo różnych nazw programów, wykorzystują one ten sam silnik syntezy mowy.

Przykład: Bouyomi-chan i SoftTalk mają ten sam silnik syntezy mowy.

Jeśli silnik syntezy mowy jest ten sam, jakość dźwięku również będzie identyczna, dlatego w tej weryfikacji będziemy traktować je jako to samo, nawet jeśli programy się różnią.

Płatne oprogramowanie do syntezy mowy

• AI Talk
• VOICEROID
• Ichitaro (oprogramowanie do edycji tekstu)

Darmowe oprogramowanie do syntezy mowy

• TextTalk
• SoftTalk
• Bouyomi-chan
• Coestation
• Ondoku

Kryteria naturalności oprogramowania do syntezy mowy

Kryteria tego, jaki głos brzmi naturalnie, różnią się w zależności od osoby.

• Czy czyta z dużą ekspresją emocjonalną
• Czy mówi z odpowiednimi pauzami i intonacją
• Czy dodaje wykrzykniki lub dźwięki oddechu

Przy czytaniu tekstu, kryteria tego, jaki głos brzmi jak ludzka mowa, są indywidualne dla każdego użytkownika.

W tym porównaniu skupimy się na kryterium naturalności definiowanym jako:

Płynne czytanie z odpowiednimi pauzami i bez nienaturalnej intonacji

Na tym aspekcie położymy największy nacisk.

Wynika to z faktu, że funkcja czytania z emocjami (w momencie pisania tego artykułu w 2021 roku) była dostępna tylko w płatnym oprogramowaniu do syntezy mowy.

Ponieważ chcemy uwzględnić w porównaniu również darmowe narzędzia, przyjmijmy tym razem te kryteria.

Tekst użyty do porównania

Aby dokonać porównania, musimy poprosić oprogramowanie o przeczytanie konkretnego tekstu.

Ponieważ programów jest kilka, wybraliśmy krótki tekst prognozy pogody, który brzmi naturalnie nawet bez dużej ekspresji emocjonalnej.

Oto prognoza pogody dla całego kraju.
Na wybrzeżu Pacyfiku, w tym w Tokio, utrzyma się sucha, słoneczna pogoda.
Pamiętajmy o profilaktyce przeziębień.
Oto temperatury od południa do wieczora.
W całym kraju utrzyma się typowa dla stycznia niska temperatura.

Rzeczywiste porównanie głosów lektorskich

Teraz poprosimy oprogramowanie do syntezy mowy o przeczytanie tekstu.

Rzeczywisty dźwięk można odtworzyć, klikając przycisk odtwarzania (▶).

TextTalk

【W przygotowaniu】

SoftTalk i Bouyomi-chan

Ondoku

Asystent głosowy

Prezenter A

Prezenter B

AI Talk

【W przygotowaniu】

VOICEROID

【W przygotowaniu】

Ichitaro (oprogramowanie do edycji tekstu)

【W przygotowaniu】

Coestation zostało pominięte w tym zestawieniu, ponieważ wymaga syntezy na podstawie własnego głosu.

Wrażenia po wysłuchaniu wyników

Wśród darmowych programów do syntezy mowy, które potrafią czytać w sposób naturalny, wyróżniają się:

1. Ondoku
2. TextTalk
3. Bouyomi-chan

W TextTalk można zauważyć pewne piskliwe, mechaniczne dźwięki,

natomiast w Bouyomi-chan głos wydaje się nieco stłumiony,

więc wybór zależy od indywidualnych preferencji.

Jeśli chodzi o programy płatne, odniosłem wrażenie, że czytają bardziej naturalnie w następującej kolejności:

1. VOICEROID
2. AI Talk

Ponadto płatne wersje oferują funkcje dodawania emocji i intonacji do głosu.

Takie opcje znacznie poszerzają zakres możliwości wykorzystania dźwięku.

Nowe głosy AI w Ondoku oferują jeszcze bardziej naturalne i ludzkie czytanie.

Można również określić style czytania, takie jak „jasny i energiczny”.

Jeśli chcesz osobiście porównać nowe głosy AI, zapoznaj się z tym artykułem.

Darmowe próbki 25 rodzajów japońskich głosów AI nowej generacji. Obsługa syntezy wielojęzycznej

Pojawiły się najnowsze głosy AI nowej generacji, zdolne do generowania pełnych emocji wypowiedzi dzięki najnowszej technologii AI! W tym artykule możesz odsłuchać próbek nowych głosów AI w Ondoku. Możliwe jest określanie ekspresji emocjonalnej za pomocą opisu tekstowego oraz czytanie w wielu językach.

Wybór oprogramowania zależy od Twoich preferencji.

Jeśli rozważasz wykorzystanie komercyjne, przygotowaliśmy również podsumowanie licencji na komercyjne użycie dla każdego programu, więc zachęcamy do lektury poniższego artykułu.

【Wersja płatna】Jak wyglądają licencje na komercyjne wykorzystanie oprogramowania do syntezy mowy? Sprawdziliśmy użycie na YouTube

Przedstawiamy, czy komercyjne wykorzystanie czterech płatnych programów do syntezy mowy jest możliwe i jak wyglądają ich licencje. Omawiane programy to Ondoku, AI Talk, VOICEROID, CeVIO...

Czekamy na Ciebie i życzymy miłego korzystania!