Съдържание:
Определение - Какво означава синтез на реч?
Синтезът на речта е изкуствена симулация на човешката реч с компютър или друго устройство. Аналогът на разпознаването на глас, синтеза на реч се използва най-вече за превеждане на текстова информация в аудио информация и в приложения като гласови услуги и мобилни приложения. Отделно от това, той се използва и в помощни технологии за подпомагане на хора с увредено зрение при четене на текстово съдържание.
Техопедия обяснява речевия синтез
VODER на Homer Dudley, който се основаваше на вокодера от Bell Laboratories, се счита за първия напълно функционален синтезатор на глас. Компютърът, използван в синтеза на речта, е известен като синтезатор на реч или компютър за реч. Качеството на говорния компютър често се съди по неговото сходство с човешкия глас. Повечето компютърни операционни системи са включили синтезатори на реч от началото на 90-те години. Синтезираната реч обикновено се генерира с помощта на свързване на парчета от записана реч, която се съдържа в база данни.
Първоначалният етап в синтеза на речта е предварителна обработка, която елиминира двусмислеността около начина, по който трябва да се чете конкретната дума, и която включва и работа с хомографи. В следващия етап на синтеза на реч компютърът поема помощта на фонеми за преобразуване на текста в последователност от звуци. Последният етап включва използването на човешки записи или основни техники за генериране на звук, за да имитират механизма на човешкия глас и да прочетат целия текст. Един от популярните клонове на синтез на реч е аудио-визуалният синтез на реч или мултимодален синтез на реч, който използва анимирано лице, плътно синхронизирано, за да допълни синтезираната реч. Мултимодалният синтез на реч също включва допълнителни функции, като невербални сигнали към речта, за да помогне при по-голяма точност да комуникира думите на потребителя. Много системи за синтез на реч позволяват на потребителите да избират типа глас, като мъжки или женски глас.
Повечето системи за синтез на реч са способни да четат текстове и да ги извеждат по много интелигентен начин, въпреки че понякога гласът може да бъде тъп. Синтезът на речта тепърва ще развива способността за пълно имитиране на широкия спектър от човешки интонации и каданси.
