Robotic text to speech iki tamamen farklı kitleyi çeker ve bir arama kutusu ikisine de hizmet etmek zorundadır. Bir grup o düz, metalik, tartışılmaz-makine sesini bir meme, retro bilgisayar biti veya robot karakteri için gerçekten ister. Diğer grup aynı cümleyi yazdı çünkü TTS’leri robot gibi çıkıyor ve insan gibi seslendirilmesini istiyorlar. Bu yazı her iki okumaya da sahip çıkar, onları erkenden ayırır ve her tarafa geldiği somut yolu verir.
TL;DR
- Robotic text to speech iki izleyici kitlesine sahiptir: robot sesini amaçlı olarak isteyenler ve TTS’leri robot gibi çıkan ve bunu düzeltmek isteyenler.
- Robot istiyorsunuz? Klasik bir sentez motoru kullanın veya net TTS’yi robot efektinin üzerinden ittirin (ring modulation, vocoder, pitch quantize). Bir ses değiştirici bunu canlı yapabilir.
- TTS’nin robot çıkması tesadüfi? Sebepleri genellikle düz prosodi, eski bir concatenative motoru ve noktalama işareti olmayan devasa bir metin yığını yapıştırmaktır.
- TTS’yi daha az robot yapmak için: sinir ağı sesine geçin, tempo için noktalama işaretleri kullanın, uzun metni parçalayın ve insan’ın vurgulayacağı yerlerde emphasis ekleyin.
- Aşağıdaki karşılaştırma tablosu robot-amaçlı rotaları doğallık düzeltmeleriyle hizalandırır böylece hızlıca tarafınızı seçebilirsiniz.
- VoxBooster, Windows’ta yerleşik TTS, robot efekti ön ayarları ve sanal mikrofon ile birleştirir, bu yüzden her iki yol da bir uygulamadan canlı çalışır.
Text to speech’i robot gibi yapan nedir?
Text to speech robot gibi çıkar çünkü ses düz prosodiye sahiptir: bir cümlede pitch, pace, ritim veya emphasis’te çok az değişiklik. İnsan konuşması sürekli olarak yükselir, düşer, hızlanır ve anahtar sözcükleri vurgular. Sentetik bir ses bunları sabit tuttuğunda veya kısa kaydedilmiş parçaları duyulabilir dikişlerle birleştirdiğinde, kulağınız anında bunu bir makine olarak etiketler.
Bu tek mekanizma bu yazının her iki tarafını da açıklar. Robot ses istiyorsanız kasıtlı olarak prosodyi düzleştirirsiniz ve metalik karakter eklersiniz. Robot çıktınızdan nefret ediyorsanız düz prosodyye karşı savaşıyorsunuz ve insan varyasyonunu geri getirmeye çalışıyorsunuz. Aynı kaldıraç, zıt yönler. Pitch ve ritim katmanı için akademik terim prosody’dir ve bir sesin canlı veya mekanik olarak algılanıp algılanmadığını belirleyen tek en büyük faktördür.
İki amaç: robot isteme veya doğal isteme?
İşte ayrılma noktası. Bir satırı okuyun, tarafınızı seçin ve eşleşen bölüme atlayın. Her iki yarıyı da okumak için bir neden yoktur; tabi ki merak ediyorsanız.
- Robot İSTİYORSUNUZ. Bir meme, retro terminal sesi, android NPC, sci-fi gemi bilgisayarı veya deadpan anlatıcı yapıyorsunuz. Kasıtlı robot çıktısına hızlı rotalar için Path A’ya atlayın.
- Doğal İSTİYORSUNUZ. Üretece sürekli sert bir monotonik ses üretiyor ve bir video, sesli kitap veya voiceover için insan gibi seslendirilmesine ihtiyacınız var. TTS’nin neden robot gibi çıktığını ve bunu nasıl düzeltebileceğiniz için Path B’ye atlayın.
Her iki yol da aşağıdaki karşılaştırma tablosunu paylaşır ve iki amacı yan yana sıralar. Gerçekten her ikisine de ihtiyacınız varsa (bir sahnede robot karakter, bir sonrakinde insan anlatıcı), her iki kısa yolu okuyun ve tabloyu hile sayfası olarak kullanın.
Path A: kasıtlı robot text to speech almak
Makine sesini amaçlı olarak istiyorsanız, üç pratik rotanız vardır ve her biri çabayı kontrol ile değiştirir. Deneceğiniz her robot tts aracı gerçekten bu üçten birini yapıyor, bu yüzden onları önceden bilmek beş indirmeyi tasarruf ettirir.
Route 1: klasik bir robot motoru
En eski rota zaten robot gibi seslenen bir ses seçmektir. Erken konuşma sentezi gerçekten insan gibi çıkamıyordu, bu yüzden bu klasik motorlar yerleşik düz, metalik bir çekiciliğe sahiptir. Bir satırı yazın, onu render edin ve sıfır çaba ile anında retro-bilgisayar nostalji alırsınız. Taviz kontrol içinde: klasik bir motor bir dosya render eder ve neredeyse hiç kontrol knob’u vermez, bu yüzden meme ve deadpan anlatıcılık için mükemmeldir ama canlı kullanım için zayıftır.
Route 2: net TTS üzerinde robot efekti
Daha esnek rota temiz, anlaşılabilir konuşma üretmek ve ardından onu robot efektleriyle itmektir. İki çalışan atı ring modulation’dur, klasik metalik Dalek tonu verir ve vocoding, müziksel synth-robot sesi verir. Üstüne hafif pitch quantize katmanı ve ses sabit notlara kilitlenir, son insani sallanışını kaybeder. Bu rota hafiften tam android’e kadar uyarlanır ve bir dosya sabitleyici yerine efekt zinciri olduğu için gerçek zamanlı çalışabilir.
Route 3: çevrimiçi robotic voice generator
En düşük sürtünme rotası tarayıcı tabanlı robotic voice generator: metin bir kutuya yapıştırın, robot klip çıkartın. Kalite araçlar arasında çok değişir ve çoğu bir dosya render eder, bu yüzden bunları hızlı klip makineleri olarak değerlendirin. Tek seferlik Discord mesajı veya test için harikadır, tekrarlanabilir bir boru hattı olarak daha az harika. Her aracın şartlarını da kontrol edin, çünkü bazıları metninizi bir sunucuya gönderir.
Kasıtlı robot çıktısına sıkı, use-case-first cevap için, robot TTS hakkında eşlik eden yazımız insanların nerede gerçekten konuşlandırdığını kapsar ve tam mühendislik yürüyüşü robot voice text to speech rehberinde yaşar. Bu bölüm kasıtlı olarak kısa kalır çünkü bu iki yazı zaten derin dalmayı sahipleniyor.
Path B: TTS’nizin neden tesadüfen robot gibi çıktığı
TTS’nizin doğal olmasını istediğiniz halde robot gibi çıkıyorsa, neredeyse her zaman üç sebepten birini vuruyorsunuz. Doğru olanı düzeltmek araçları kör bir şekilde değiştirmekten daha hızlıdır.
Sebep 1: düz prosodi
Bu büyük olandır. Tüm bir paragraf boyunca sabit pitch ve pace tutan bir ses makine olarak algılanır, çünkü insanlar bunu asla yapmaz. Birçok ücretsiz ve eski ses yükselen ve düşen intonasyonu iyi modellemez, bu yüzden her cümle aynı notada iner. Çıktınız monotonik ve cansız hissediyorsa, prosodi suçlu ve daha iyi bir ses modeli genellikle çözümdür.
Sebep 2: eski concatenative motoru
Bazı motorlar konuşmayı birbirine yapıştırılan kısa kaydedilmiş birimlerden oluşturur, bu yaklaşım concatenative synthesis olarak bilinir. Birimler arasındaki dikişler sorunsuz bir şekilde karışmadığında, küçük tıklar, eşitsiz zamanlamalar ve o dikişli, mekanik dokuyu duyarsınız. Bu yıllar boyunca standart idi ve hala birçok ücretsiz sese ulaşır. Modern sinir ağı sesleri yerine sürekli bir dalga formu üretir, bu yüzden dramatik olarak daha yumuşak seslenir.
Sebep 3: metin duvarı girişi
Bu kendi kendine yapılan ve düzeltmesi kolay olandır. 400 sözcüğü virgül, nokta ve paragraf kırılması olmadan yapıştırın ve motor duraklatacak veya pitch’i yeniden şekillendirme yeri yoktur, bu yüzden düz monotonik çalışır. Metin kendisi sesi robot gibi seslendir söylüyor. Gerçek noktalama ve yapı verin ve aynı motor başka değişiklik olmadan çoğu zaman kayda değer daha insan gibi seslenir.
TTS’yi daha az robot yapmak için: adım adım
İşte TTS’yi daha az robot yapmak için pratik sıra, en büyük ödülden ince cilaya sipariş edilir. Sırayla yapın ve doğru seslendiğinde durun.
- Sinir ağı sesine geçin. Doğallıkta tek en büyük sıçrama eski concatenative sesten modern sinir ağı sesine geçmekten gelir. Aracınız seçim sunuyorsa, bu birinci adımdır ve sorunu çoğunlukla tek başında çözer. realistic text to speech hakkında yazımız canlı bir sesi sert olandan ne ayırdığını açıklar.
- Tempo için noktalama işaretleri kullanın. Kısa duraklamalar istediğiniz noktaya virgül ve tam duruşlar istediğiniz yerlere noktalar ekleyin. Soru işaretleri ve ünlem işaretleri pitch değişiklikleri ipuçlandırır. Noktalama en ucuz doğallık yükseltmesidir ve hiçbir maliyeti yoktur.
- Uzun pasajları parçalayın. Büyük blokları kısa cümlelere bölün ve ayrı paragraflar. Daha kısa birimler motora ritmini sıfırlaması ve nefes alması için izin verir, 300 sözcüklü run-on boyunca monotonik hale gelmek yerine.
- İnsan’ın vurgulayacağı yerlere emphasis ekleyin. Aracınız emphasis veya SSML işaretlemesini destekliyorsa, bir kişinin doğal olarak vuracağı sözcükleri vurgulayın. Hatta manuel olarak bir cümleyi bölme, anahtar bir ifadenin kendi satırında iner, teslimatı değiştirebilir.
- Zor bitleri yazın. Kısaltmaları genişletin, isimler için telaffuz ipuçları ekleyin ve numaraları okumak istediğiniz şekilde yazın. Bir ses “Dr.” veya “2026” üzerinde tökezlenirse insan hayali bir sözcükte kırılır.
- Gerçek kalite kriterlerine karşı yargılayın. Sevk etmeden önce çıktınızı uygun bir kontrol listesine karşı karşılaştırın. great text to speech rehberi, yayın hazır okumayı açıkça sentetik olandan ayıran kalite kriterlerini açıklar.
Yukarıdan aşağıya çalışın ve çoğu robot gibi çıkan çıktı son adıma gelmeden iyi temizlenir.
Karşılaştırma: robot-amaçlı rotalar ve doğallık düzeltmeleri
Bu tablo her iki amacı yan yana koyar. Üst satırlar çıktıyı amaçlı olarak robot yapma yollarıdır; alt satırlar TTS’nin robot gibi çıktığında ve doğal istediğiniz zaman düzeltmelerdir.
| Amaç | Yöntem | Anahtar hamle | Canlı çalışır | En iyi |
|---|---|---|---|---|
| Amaçlı robot | Klasik sentez motoru | Zaten robot gibi seslenen sesi seç | Hayır | Meme, retro anlatıcılık |
| Amaçlı robot | TTS üzerinde robot efekti | Ring mod, vocoder veya pitch quantize | Evet | Karakterler, akışlar |
| Amaçlı robot | Çevrimiçi robotic voice generator | Tek kutu tarayıcı aracı | Genellikle hayır | Hızlı tek seferlik klipler |
| Doğal (düzeltme) | Motoru değiştir | Modern sinir ağı sesi kullan | uygulanmaz | Anlatıcılık, voiceover |
| Doğal (düzeltme) | Girişi düzelt | Noktalama, parçalama, yapı | uygulanmaz | Uzun pasajlar |
| Doğal (düzeltme) | Teslimatı şekillendirin | Emphasis ve SSML işaretleme | uygulanmaz | İfadeli okumalar |
Desen temiz: robot yapmak prosodyyi düzleştirme ve metalik karakter eklemekle ilgilidir, oysa robot düzeltmek pitch varyasyonunu ve temiz tempoyu geri yükleme hakkındadır. Aynı kaldıraç, zıt yönler.
Hiçbir sütunun kendi başına ele geçirmediği yararlı bir orta kısım vardır. Bazen tam olarak sentetik ama hala takip etmesi kolay olan bir ses istiyorsunuz, yararlı bir yapay zeka asistanı gibi kırık 1980’ler terminali yerine. Oraya inmek için, temiz noktalama işaretleri ile doğal sinir ağı sesinden başlayın, ardından üstüne sadece robot efektinin bir fısıltısı ekleyin: pitch quantize’ın bir dokunuşu veya çok hafif ring mod. Modern bir sesin anlaşılabilirliğini tutarsınız oysa kulağa makine sinyali verir. Bu melez özellikle bağış uyarıları ve karakter anlatıcılığı için iyi okunur, izleyiciler her sözcüğü yakalaması gerekir ama ses yine de insan olmayan hissetmek istersiniz. Efekti sözcükler keskin kalır ve kişilik hala iner kadar, ardından durun.
Akışlar ve Discord için robotic text to speech
Her iki yol sonunda aynı duvarı vuruyor: sesi canlı bir uygulamaya almak. Render edilen dosya bir video editöründe iyi oynar, ancak akışlar ve ses sohbeti audio’nun bir mikrofon gibi gelmesini gerektirir. Köprü sanal mikrofon, diğer uygulamalarının gerçek bir giriş olarak gördüğü yazılım audio cihazıdır.
Akış iki yol da aynı: robot bot sesi isteseydiniz veya temiz insan okuması. Audio’yu oluşturun veya işleyin, sanal mikrofon yoluyla yönlendirin, ardından Discord’da bu mikrofonu giriş olarak veya OBS’de yakalama kaynağı olarak seçin. Şimdi bir bağış uyarısı, komut dosyası satırı veya karakter sesi canlı kanalda herkesin oynadığını görmez.
Burası gerçek zamanlı bir ses değiştiricinin yeri kazandığı yerdir. Robotic tts klibini önceden render etmek yerine, mikrofonunuza konuşabilir ve anında robot efektleri uygulanabilir, bu çok daha anlamlı çünkü zamanlamayı, emphasis’i ve duygusalı konuştukça kontrol edersiniz. VoxBooster, yerleşik TTS, robot efekti ön ayarları ve sanal mikrofonu bir Windows uygulamasında birleştirir, robot-amaçlı yol ve make-it-natural yolu da ayrı araç zinciri olmadan canlı çalışır. Her şey kendi PC’nizde işlenir, bu yüzden yazdığınız veya söylediğiniz hiçbir şey makineyi terk etmez. Tüm boru hattını test etmek istiyorsanız kredi kartı olmayan üç günlük tam deneme vardır.
SSS
Robotic text to speech nedir?
Robotic text to speech, yazılı metni doğal bir insan sesi yerine düz, mekanik, makineye benzeyen bir ses ile yüksek sesle okuyan bir tekniktir. İki yoldan elde edebilirsiniz: zaten robot gibi seslenen klasik bir sentez motoru veya normal TTS’yi ring modulation veya vocoding gibi robot ses efektlerine yönelten.
Text to speech’i kasıtlı olarak robot gibi seslendirmek için nasıl yapacağım?
Zaten robot gibi seslenen klasik bir motor seçin veya herhangi bir net TTS’yi ring modulation, vocoder veya pitch quantize gibi robot efektlerine yöneltip. Gerçek zamanlı bir ses değiştirici bu efektleri canlı olarak uygular, böylece robot bir sesi Discord, OBS veya oyunlara gönderebilirsiniz.
TTS’im neden bu kadar robot gibi çıkıyor?
Genellikle düz prosodi, eski bir concatenative motoru veya noktalama işareti olmayan devasa bir metin yığını. Pitch, pace veya emphasis değişmeyen konuşma mekanik olarak algılanır. Eski motorlar kaydedilmiş birlikleri birleştirir ve virgül ya da nokta olmayan uzun girdiler sese nefes almak için bir yer vermez.
TTS’yi daha az robot gibi seslendir etmek için ne yapabilirim?
Modern bir sinir ağı sesine geçin, ardından temiz girdisini besleyin: kısa cümleler, tempo için gerçek noktalama işaretleri ve paragraf kırılmaları. Bir insan’ın bir sözcüğü vurgulayacağı yerlere emphasis ekleyin, zor kısaltmaları yazın ve ağır pasajları tek bir kütleye yapıştırmak yerine parçalara bölün.
Meme’ler için en iyi robot ses oluşturucu nedir?
Tek bir en iyisi yoktur. Düz bir klasik motor deadpan meme anlatıcılığında başarılı olur, vocoder tonu sci-fi botlara uyar ve hafif bir robot efekti net konuşma üzerinde oyun sesi altında okunabilir kalır. İkisini veya üçünü test edin ve izleyicinizin en net duyduğu olanı tutun.
Noktalama işaretleri robot TTS sesinin nasıl çıktığını değiştiriyor mu?
Evet, çok fazla. Virgüller, noktalar ve soru işaretleri motora nerede duraklatacağını ve pitch’i nasıl şekillendireceğini söyler. Noktalama işareti olmayan metin yığını düz monotropik bir sese zorlar ve robot olarak algılanır. Doğal noktalama eklemek tek başına TTS’yi genellikle çok daha az mekanik yapar.
Robot text to speech’i ücretsiz olarak alabilir miyim?
Evet. İşletim sisteminiz zaten robot gibi seslenen ücretsiz sistem sesleri ile gelir ve ücretsiz web oluşturucular da vardır. Daha güçlü bir metalik ton için bir robot efekti ekleyin. Uygulamalara canlı yönlendirme genellikle bir ses değiştirici gerektirir, çoğu ücretsiz deneme sunar.
Sonuç
Robotic text to speech gerçekten bir arama terimini giyen iki sorudur. Robot sesini istiyorsanız prosodyyi düzleştirin ve klasik bir motor veya robot efekti ile metalik karakter ekleyin. TTS’nizin tesadüfen robot gibi çıkıyorsa, sinir ağı sesi, temiz noktalama ve daha kısa parçalarla insan varyasyonunu geri yükleyin. Hangi taraf üzerinde olduğunuzu öğrendikten sonra, düzeltme saatler değil dakikalar alır. Windows’ta hem yolları hem canlı yönlendirmeyi bir yerde istiyorsanız, VoxBooster deneyin ücretsiz olarak bir seçenektir. Download VoxBooster ve yolu seçin.