Praktiline juhend teksti kõneks muutmisele

Kümme asja, milles teksti kõneks muutmine on tõeliselt hea — ja mõned, milles mitte. Kõike siin saab teha selle saidi tasuta tööriistaga.

1. Oma teksti korrigeerimine

See on TTS-i kõige alahinnatum kasutusviis. Kui loed oma teksti vaikselt, täidab aju tühimikud sellega, mida sa mõtlesid kirjutada. Kui kuuled seda ette loetuna, ilmnevad vead koheselt — kordunud sõnad, kohmakas sõnastus, laused, mis peas tundusid korras, aga kõlades ei jookse ladusalt.

Töövoog on selline: lõpeta mustand, kleebi see Quick TTS-i, vajuta esita ja jälgi silmadega algset dokumenti. Iga kord, kui heli ütleb midagi valesti kõlavat — isegi kui sa ei oska selgitada, miks — peata ja vaata seda rida. Üheksal juhul kümnest on seal midagi parandada.

See on eriti tõhus pikema teksti puhul (esseed, kaaskirjad, aruanded, blogipostitused), mille kallal oled istunud nii kaua, et sõnad on lakanud silma paistmast. Kümme minutit TTS-iga leiab sageli selle, mida tunniajane vaikne uuestilugemine märkamata jättis.

2. Artiklite kuulamine muid toiminguid tehes

Salvestasid pika artikli, aga sul ei ole kunagi 20 katkematut minutit istumaks ja lugemaks? Kleebi tekst (enamik saite lubab kogu teksti valida ja kopeerida), vajuta esita ning kuula, kui toidud, jalutad, sõidad autoga või pesed nõusid. Kiiruse liuguri tõstmine 1,4- või 1,5-kordseks on kasulik nipp — päev-paar hiljem kohaneb aju ja saad sisust läbi kolmandiku kiiremini kui vaikselt lugedes.

See sobib hästi ka Instapaperi või Pocketi sarnaste hilisemaks lugemiseks teenuste lugemisnimekirjaga. Ekspordi artikli tekst ja sul on tasuta helivariandid kõigist neist lugudest, mida oled edasi lükanud.

3. Keeleõpe (hääldus)

Uue keele õppimisel ei anna sõna vaatamine hääldusest mingit teavet. TTS annab. Kleebi lause, mida õpid, sihtkeeles, vaheta hääl sellele keelele vastavaks (brauseri rippmenüüs on tavaliselt mitu valikut) ja kuula.

Seda saab kasutada ka vastupidi — kirjuta, kuidas sa arvad, et väljend peaks kõlama, kuula seda ja võrdle emakeelekõneleja salvestusega. Erinevus nende kahe vahel näitab, mida edasi harjutada.

Brauseri sisseehitatud hääled on sageli teistes keeltes paremad, kui ingliskeelsed kasutajad arvavad, kuigi eesti keele katvus on Windowsi klassikaliste häälte seas kõige õhem — tegelikult ei pruugi vaikimisi Windowsi paigaldusel eestikeelset häält üldse olla.

Lauaarvutis, kus on WebGPU, saab süsteemihäältest parema tulemuse. Supertonic HD genereerib 44,1 kHz sagedusel 31 keeles, sealhulgas eesti keeles, mis on üldjuhul märgatavalt loomulikuma rõhu ja intonatsiooniga kui enamik operatsioonisüsteemi kaasas olevaid hääli — eesti keele jaoks on see selles versioonis ka ainus tehisintellekti hääl üldse, sest Piper ja Kokoro eesti keelt ei toeta.

Üks asi, mida enne kleepimist teada: tehisintellekti mootorid võtavad keele lehelt, millel viibid, mitte tekstist, mille kleebid. Kui õpid saksa keelt sellel eestikeelsel lehel, loetakse sinu saksakeelset lauset eestikeelse häälega. Ava kas saidi saksakeelne versioon — jalusest leitav keelevalija vahetab ükskõik millisele saadaolevale keelele — või lülita sisse Supertonicu automaatse keele lüliti, mis tuvastab teksti keele iseseisvalt. Brauseri TTS-i see ei puuduta; selle häälevalik on see, mis keelt valib.

4. Õppimine (märkmete muutmine heliks)

Kuulmispõhistele õppijatele või kõigile, kes sõidavad tundi või eksamile, on õppematerjalide kleepimine TTS-i ja tagasikuulamine legitiimne õppemeetod. See toimib hästi ka pähetuletamiseks — häälega loetu rütm jääb meelde teisiti kui vaikne lugemine.

Kombineeri seda kiiruse liuguriga: kuula esimesel korral 1× kiirusel, et materjal omandada, ja seejärel 1,5× või 1,7× kiiretel kordamiskordadel.

5. Ligipääsetavus düsleksiaga inimestele

TTS on düsleksiaga inimestele tõeliselt väärtuslik ligipääsetavuse tööriist. Teksti kuulamine lugemise ajal — või selle asemel — võimaldab vältida dekodeerimise sammu, mis teeb traditsioonilise lugemise vaevaliseks. On kindlaid uurimistulemusi, mis näitavad, et see aitab nii lugemise mõistmist kui väsimust.

Quick TTS töötab ka mobiilis, mis on oluline, sest see tähendab, et düsleksiaga õpilane või täiskasvanu saab avada veebilehe, kopeerida lõigu ja kuulda seda ette loetuna — ilma eritarkvara, registreerimise või kuluta.

6. Nõrga nägemise ja pimedad kasutajad

Täielikud ekraanilugejad nagu NVDA, JAWS või VoiceOver on kogu lehe navigeerimiseks võimsamad, kuid selliseid TTS-tööriistu nagu see on kasulik lugemaks konkreetseid tekstitükke — e-kirju, vorme, kuskilt kleebitud lõike — ilma kogu ekraanilugeja konteksti käivitamata. Tekstiväli on ekraanilugeja jaoks sildistatud ja esitusnupp teatab oma kiirklahvi (Ctrl+Enter või ⌘+Enter).

7. Võõrkeeleõppe harjutamine

Võõrkeeleõppijatele on teksti ettelugemise kuulamine samaaegselt visuaalselt jälgides üks kiiremaid viise arusaamise parandamiseks. Kleebi ükskõik mis — uudisartikkel, kolleegi e-kiri, Vikipeedia lehekülg huvipakkuval teemal — ja kuula mugavas tempos läbi. Kõige loomulikuma häälduse ja rütmi jaoks proovi tehisintellekti hääle valikut.

8. Ajutise jutustuse salvestamine videote või slaidide jaoks

Kui teed kiiret selgitusvideot, tootedemot või esitlust ega taha oma häält salvestada, annab TTS asenduseks (tehisintellekti hääle puhul tihti isegi lõpliku) jutustaja. Salvesta oma ekraan, samal ajal kui heli mängib, ja sünkroniseeri see videoga.

Tähelepanu: kommertskasutus on lubatud igal mootoril, kuid litsentsitingimused erinevad mootoriti — ühtset vastust "tehisintellekti hääle" kohta ei ole. Brauseri sisseehitatud hääled järgivad Microsofti, Apple'i või Google'i süsteemihäälte tingimusi. Piperi LibriTTS-R ja VCTK hääled on CC-BY 4.0 (autorile viitamine nõutud), Joe on CC0. Supertonic HD on erand: selle kaalud on BigScience'i OpenRAIL-M litsentsiga, mis ei ole vabakäeline. Kommertskasutus on lubatud ja genereeritud heli suhtes õigusi ei nõuta, kuid see lisab kasutuspõhiseid piiranguid, mida tuleb järgida ja edasi anda kõigile, kellega mudelit või selle väljundit jagad. Järeldusmiskood on MIT-litsentsiga. Kokoro (Apache 2.0) on nähtav ainult ingliskeelsetel lehtedel. Täielik mootoripõhine ülevaade on KKK-s.

9. Lapsele õhtujutu ettelugemine, kui hääl on kadunud

Haiguspäev, kadunud hääl, aga voodisse mineku aeg. Kleebi raamatu peatükk, vajuta esita. Mitte sama hea kui päris asi, aga palju parem kui mitte midagi. Tehisintellekti hääle valik kõlab selleks otstarbeks üllatavalt soojalt.

10. E-raamatute kuulamine (EPUB)

Lohista EPUB-fail tekstiväljale ja terve raamat parsitakse brauseris lugemisjärjekorras. Kui tegemist on juba omandatud DRM-vaba e-raamatuga, pole vaja mingit DRM-i eemaldamise trikki. Standard Ebooks, Project Gutenberg ja enamik iseseisvaid kirjastajaid pakuvad tavalisi EPUB-faile, mis töötavad otse. Calibre'iga saab DRM-vabu EPUB-faile eksportida ka mujalt ostetud raamatutest.

See on lähim asi tasuta audioraamatule iga sinu omatud DRM-vaba e-raamatu jaoks. Lauaarvutis WebGPU-ga on Supertonic HD hääl piisavalt lähedal päris jutustajale, et pidada vastu päris naudingu jaoks lugemisele, mitte ainult praktilisele kuulamisele — see genereerib 44,1 kHz sagedusel ja on õige valik pika raamatu jaoks. Romaani mahus EPUB võtab kaasaegses sülearvutis parsimiseks vaid mõne sekundi, seejärel algab heli voogesitus kohe, samal ajal kui ülejäänu genereeritakse taustal.

Sama kehtib PDF õpikute, DOCX käsikirjade ja ODT dokumentide kohta — kõik parsitakse kohapeal, ilma serverisse üleslaadimise ega teisendusteenuseta.

Milles TTS (veel) hea ei ole

• Emotsionaalsed nüansid. Tehisintellekti hääl on traditsioonilisest TTS-ist palju ees, kuid loeb dialoogi ikka inimesest tasasemalt. Rohke dialoogiga ilukirjandusliku audioraamatu puhul võidab endiselt professionaalne jutustaja.
• Pärisnimed ja haruldased sõnad. Iga TTS-mootor hääldab valesti ettevõtete nimesid, tehnilisi termineid ja nišisõnavara. Kui täpsus on oluline, vaata need enne esitamist üle.
• Kood, valemid ja struktureeritud andmed. Koodiploki kleepimine annab tulemuseks peaaegu müra. TTS loeb kirjavahemärgid ette kui "punkt" ja "koma", mis on mõnikord kasulik (korrektuuris), kuid enamasti mitte see, mida soovid.
• Väga pika heli kuulamine ühe hooga. Sa võid kleepida 100 000-sõnalise dokumendi ja see loetakse lõpuni, kuid terve romaani katkematu kuulamine on brauseri helitorustikule suur nõudmine. Parem on kleepida korraga üks peatükk.

Märkused brauserite ja seadmete kohta

Vaikehääl kasutab sinu brauseri sisseehitatud kõnemootorit, seega sõltuvad saadaolevad hääled sinu operatsioonisüsteemist.

• Windows: klassikalisi SAPI-hääli eesti keele jaoks üldjuhul kaasas ei ole — vaikimisi Windowsi paigaldusel ei pruugi eestikeelset häält üldse olla. Edge brauser pakub selle asemel Azure'i tehisnärvivõrgul põhinevaid Online (Natural) hääli Anu (naishääl) ja Kert (meeshääl), mis on praegu parim tasuta eestikeelne valik Windowsis.
• macOS / iOS: Apple ei paku ametlikult eestikeelset kõnesüsteemi häält ega Siri häält; Süsteemi eelistused → Ligipääsetavus → Kõneldav sisu näitab saadaolevaid keeli, kuid eesti keel ei pruugi seal olemas olla.
• Chrome (lauaarvuti): kuvatavad hääled sõltuvad sellest, millised hääled on sinu operatsioonisüsteemi paigaldatud — eraldi Google'i pilvepõhist eestikeelset häält Chrome'i praegu ei paku.
• Android: Google'i tekst-kõneks mootor toetab eesti keelt alates 2018. aastast — vaata Seaded → Ligipääsetavus → Tekst-kõneks. Peamise lehe Androidi lingi kaudu pääsed otse sinna.

Tehisintellekti hääle rippmenüüs on tehisnärvivõrgu mootorid, ja see, milliseid näed, sõltub seadmest ja selle lehe keelest:

• Piper — töötab WebAssembly kaudu, seega sobib igale kaasaegsele brauserile, sealhulgas telefonidele, kuid ei paku eestikeelset häält. ~60 MB ühekordne allalaadimine.
• Supertonic HD — 44,1 kHz, kõrgeima kvaliteediga valik, mis toetab eesti keelt. Vajab lauaarvutis Chrome'i või Edge'i koos WebGPU-ga. ~380 MB ühekordne allalaadimine.
• Kokoro HQ — ainult ingliskeelne, seega eestikeelsel lehel see ei kuvata.

Siin kasutatav mootor töötab täielikult sinu brauseris ja jätkab tööd võrguühenduseta pärast mudeli vahemällu salvestamist. Kaasaegse sisseehitatud GPU-ga või parema sülearvutiga toimub WebGPU genereerimine peaaegu reaalajas.

Miks see on tasuta

Quick TTS teenib raha bännerreklaamidest. Tasulist taset, preemiumhääli ega tähemärgipiiranguid ei ole. Kui reklaamid häirivad, on brauseri reklaamiblokeerija sobiv lahendus — eelistame, et kasutad tööriista, kui et ei kasuta. Täpsemalt lehel Meist.