Tekst na mowę
Wpisz lub wklej swój tekst albo upuść plik PDF, dokument Word lub zdjęcie strony. Wybierz głos, posłuchaj i pobierz nagranie jako MP3. Mowa powstaje na Twoim własnym urządzeniu — Twój dokument nigdy nie opuszcza komputera.
Jak uzyskać naturalnie brzmiący wynik
Głos czyta dokładnie to, co napisane, i to jest zaleta, gdy się z tym pracuje. Nie ma pojęcia, co twój tekst znaczy, więc całe tempo bierze z interpunkcji: kropka to pauza, przecinek krótsza, a akapit bez jednego i drugiego zamienia się w bezdechowy ciąg. Największa poprawa, jaką możesz wprowadzić, nie jest ustawieniem — polega na dzieleniu długich zdań na krótsze i stawianiu przecinków tam, gdzie sam wziąłbyś oddech.
Najpierw przygotuj tekst
Wklej tekst w pole i przeczytaj go raz, zanim naciśniesz Przeczytaj. Usuń to, co należy do strony, a nie do zdania: numery stron, powtarzające się nagłówki, odsyłacze do przypisów, resztki składu PDF. Wszystko nietypowe zapisz tak, jak ma brzmieć — rzadkie nazwisko, markę, obce słowo — bo głos spróbuje przeczytać to dosłownie. Liczby, kwoty i popularne skróty są już obsłużone, tych możesz nie ruszać.
Do czego ludzie tego używają
Korektę odkrywa większość przez przypadek: usłyszenie własnego tekstu na głos wyłapuje brakujące słowa i niezgrabne zdania, po których oko przelatuje bez zatrzymania. Poza tym — lektor do filmu bez nagrywania czegokolwiek, długi dokument zamieniony w coś, czego można posłuchać za kierownicą, tekst udostępniony komuś, kto czyta z trudem, i ćwiczenie językowe, kiedy chce się zdanie usłyszeć, a nie przeczytać. Ponieważ wszystko działa na twoim urządzeniu, umowę albo list od lekarza można tu wkleić bez obaw.
Jak to działa
Model mowy działa wewnątrz Twojej przeglądarki i zamienia Twój tekst w głos — nic nie jest wysyłane, więc umowa, diagnoza czy prywatny list zostają na Twoim urządzeniu. PDF jest czytany prosto z warstwy tekstowej, plik Word ze swojej własnej zawartości, a zdjęcie strony najpierw przechodzi przez nasze OCR, więc książka albo wydrukowany list też zadziałają. Liczby, kwoty i symbole są rozpisywane słownie przed czytaniem, w wybranym języku, dzięki czemu „25 zł” zostaje przeczytane jako „dwadzieścia pięć złotych”, a nie przekręcone. Przy pierwszym użyciu silnik głosu pobiera się raz — około 400 MB na komputerze, którego karta graficzna potrafi go uruchomić i który wtedy mówi niemal od razu, a w pozostałych przypadkach około 150 MB — a potem przeglądarka go zachowuje.
W jakich językach potrafi mówić?
We wszystkich dziesięciu językach strony: po angielsku, niderlandzku, niemiecku, francusku, hiszpańsku, włosku, polsku, portugalsku, turecku i arabsku. Wybierz język tekstu obok głosu — każdy głos mówi w każdym z tych języków, a liczby, daty, kwoty i godziny są rozpisywane słownie tak, jak mówi się je w danym języku. Model głosu, Supertonic 3 firmy Supertone Inc., zna więcej języków niż te dziesięć, ale włączamy język dopiero wtedy, gdy go przesłuchamy i sprawdzimy rozpoznawaniem mowy.
Czy mogę wykorzystać nagranie komercyjnie?
Tak, pod dwoma warunkami. Model głosu jest udostępniony na licencji Open RAIL-M: użytek komercyjny jest dozwolony, ale zakazana jest krótka lista szkodliwych zastosowań — wprowadzanie ludzi w błąd lub nękanie ich, podszywanie się pod kogoś bez jego zgody i tym podobne; pełna lista znajduje się w sekcji 10 naszych warunków. A gdy publikujesz nagranie — film, podcast, reklamę — zaznacz, że głos wygenerował komputer, na przykład w opisie. Każdy plik MP3, który tworzymy, mówi to już we własnych informacjach o pliku.
Dlaczego przy długich tekstach brzmi płasko?
Model czyta zdanie po zdaniu, nie znając całej treści, więc nie potrafi budować napięcia tak jak żywy lektor. Krótkie akapity z wyraźną interpunkcją brzmią zauważalnie lepiej niż jeden długi blok — przecinki i kropki są tym, czym model łapie oddech.
Czy mogę zmienić głos później?
Tak — suwaki wysokości i prędkości załatwiają większość spraw. Prędkość to własne tempo mówienia głosu, więc wolniejszy głos po prostu mówi wolniej, zamiast stawać się głębszym. Po więcej: pobierz MP3 i przepuść je przez nasz zmieniacz głosu albo wrzuć prosto do studia audio.
Jak wymawiane są skróty i nietypowe nazwy?
Skróty bez samogłosek — PDF, DXF, HTML — są literowane w wybranym języku, a połączenia takie jak MP3 czy 4K też wychodzą poprawnie. Liczby, daty, kwoty, procenty i godziny są rozpisywane słownie tak, jak się je wymawia. Jeśli coś nadal brzmi źle, napisz to tak, jak ma brzmieć: głos czyta dokładnie to, co wpiszesz, więc nietypowe imię czy nazwę marki możesz po prostu zapisać fonetycznie, aż zabrzmi dobrze. W arabskim możesz też dodać znaki samogłoskowe (taszkil) tam, gdzie słowo ma brzmieć w określony sposób, na przykład كيفَ albo مرحباً; głos je uwzględnia.
