Praktičan vodič za pretvorbu teksta u govor

Deset stvari u kojima je pretvorba teksta u govor stvarno dobra — i nekoliko u kojima nije. Sve navedeno moguće je s besplatnim alatom na ovoj stranici.

1. Lektura vlastitog teksta

Ovo je najpodcijenjenija primjena TTS-a. Kad tiho čitate vlastiti tekst, mozak popunjava praznine onim što ste htjeli napisati. No kad ga čujete izgovorenog naglas, pogreške odmah isplivaju na površinu — udvostručene riječi, nezgrapne fraze, rečenice koje su u glavi zvučale dobro, a naglas jednostavno ne teku.

Postupak: dovršite radnu verziju, zalijepite je u Quick TTS, pritisnite play i očima pratite izvornik. Kad god nešto u zvuku zazvuči čudno — čak i ako ne znate objasniti zašto — provjerite taj redak. Devet od deset puta tamo ima nešto za popraviti.

Posebno dobro djeluje za dulje tekstove (eseje, motivacijska pisma, izvještaje, objave na blogu). Što ste dulje buljili u tekst dok su vam slova prestala nalikovati na riječi, to bolje djeluje. Deset minuta slušanja putem TTS-a često otkrije probleme koje sat vremena tihog čitanja propusti.

2. Slušanje članaka dok radite nešto drugo

Spremili ste dug članak, ali nemate 20 minuta neprekinutog vremena za čitanje? Zalijepite tekst (na većini stranica dovoljno je označiti sve i kopirati), pritisnite play i slušajte dok kuhate, šetate, vozite ili perete suđe. Podizanje brzine reprodukcije na 1,4× ili 1,5× koristan je trik — nakon dan-dva mozak se navikne i članak proći za trećinu kraće vrijeme nego tihim čitanjem.

Ovo se dobro slaže i s popisima za kasnije čitanje poput Instapapera ili Pocketa. Izvezite tekst članka i dobit ćete besplatnu audio verziju svega što ste odgodili za poslije.

3. Učenje stranih jezika (izgovor)

Kad učite novi jezik, sam tekst ne nosi nikakvu informaciju o izgovoru. TTS to rješava. Zalijepite rečenicu koju učite na ciljnom jeziku, promijenite glas na izvornog govornika tog jezika (obično ih je nekoliko u padajućem izborniku preglednika) i poslušajte.

Radi i obrnuto — utipkajte kako mislite da bi izraz trebao zvučati i usporedite s izvornom snimkom. Razlika između to dvoje pokazuje na čemu treba dalje vježbati.

Ugrađeni glasovi preglednika često su bolji u neengleskim jezicima nego što bi govornici engleskog pretpostavili. macOS i iOS posebno su jaki za francuski, španjolski, njemački, talijanski i japanski. Windows i Android su nešto neujednačeniji.

4. Učenje (bilješke pretvorene u zvuk)

Ako ste slušni tip učenika ili putujete na predavanja i ispite, zalijepiti bilješke u TTS i ponovno ih slušati posve je valjana metoda učenja. Djeluje dobro i za pamćenje — ritam naglas izgovorenog teksta pamti se drukčije od tihog čitanja.

Kombinirajte s klizačem brzine. Prvi prolaz na 1× radi na usvajanju gradiva, a kasnije prolaze ubrzajte na 1,5× ili 1,7× za brzo ponavljanje.

5. Pristupačnost za osobe s disleksijom

TTS je istinski koristan alat za pristupačnost osobama s disleksijom. Slušanje teksta uz čitanje — ili slušanje bez čitanja uopće — omogućuje zaobilaženje koraka "dekodiranja" koji tradicionalno čitanje čini napornim. Postoje čvrsti istraživački dokazi da to poboljšava razumijevanje pročitanog i smanjuje umor.

Quick TTS radi i na mobitelu. To je važno jer znači da učenik ili odrasla osoba s disleksijom može otvoriti web stranicu, kopirati odlomak i poslušati ga — bez posebnog softvera, bez registracije, bez ikakvog troška.

6. Korisnici sa slabovidnošću ili sljepoćom

Punopravni čitači zaslona poput NVDA, JAWS-a ili VoiceOvera snažniji su za navigaciju cijelom stranicom, ali ovakvi TTS alati korisni su kad želite čuti određeni ulomak teksta — e-poruku, obrazac, odlomak zalijepljen odnekud — bez pokretanja cijelog konteksta čitača zaslona. Polje za unos ima oznaku za čitač zaslona, a gumb za reprodukciju najavljuje prečac tipkovnice (Ctrl+Enter ili ⌘+Enter).

7. Vježbanje engleskog kao stranog jezika

Za osobe koje uče engleski kao strani jezik, slušanje engleske rečenice uz istovremeno vizualno praćenje jedan je od najbržih načina za poboljšanje razumijevanja. Zalijepite bilo što — vijest, e-poruku kolege, Wikipedia stranicu o temi koja vas zanima — i poslušajte cijeli tekst udobnom brzinom. Za najprirodniji izgovor i ritam isprobajte opciju AI Voice.

8. Privremena naracija za videozapise ili prezentacije

Ako pravite kratak objašnjavajući video, demo proizvoda ili prezentaciju, a ne želite snimati vlastiti glas, TTS može poslužiti kao privremeni pripovjedač (uz AI Voice često i kao konačna verzija). Snimite zaslon dok se zvuk reproducira i uskladite ga s videom.

Napomena: komercijalna upotreba dopuštena je za sve mehanizme, ali uvjeti licence razlikuju se od mehanizma do mehanizma — ne postoji jedinstven odgovor za sve pod nazivom "AI Voice". Ugrađeni glasovi preglednika podliježu uvjetima korištenja tvrtki Microsoft, Apple i Google za njihove sustavske glasove. Supertonic HD je iznimka: težine modela su pod BigScience licencijom OpenRAIL-M, koja nije dopuštajuća licencija. Komercijalna upotreba je moguća i ne polažemo pravo na generirani zvuk, ali postoje ograničenja korištenja koja morate poštovati i prenijeti dalje svakome tko dijeli model ili njegov izlaz. Kod za zaključivanje je pod MIT licencijom. Piper (MIT, glasovi CC-BY 4.0 / CC0) i Kokoro (Apache 2.0) dostupni su na drugim jezičnim verzijama stranice, no za hrvatski ne postoji glasovni model ni za jedan od njih, pa se ne prikazuju ovdje. Potpun pregled po mehanizmu nalazi se u FAQ-u.

9. Čitanje priče za laku noć djetetu kad nemate glasa

Bolestan dan, promukao glas, a vrijeme za spavanje je i dalje tu. Zalijepite poglavlje knjige i pritisnite play. Nije isto kao uživo, ali je puno bolje od ništa. AI Voice opcija iznenađujuće toplo zvuči za ovu namjenu.

10. Slušanje e-knjiga (EPUB)

Povucite EPUB datoteku u tekstualno polje i cijela se knjiga raščlani unutar preglednika redoslijedom čitanja. Ako već imate e-knjigu bez DRM-a, nije potrebno nikakvo zaobilaženje zaštite. Standard Ebooks, Project Gutenberg i većina neovisnih izdavača nude obične EPUB datoteke spremne za upotrebu. Knjige kupljene drugdje moguće je izvesti bez DRM-a u Calibreu.

Ovo je najbliže besplatnoj audioknjizi koju možete napraviti od e-knjige bez DRM-a koju već posjedujete. Posebno Supertonic HD glas zvuči dovoljno blizu pravom pripovjedaču da podnese i uživanje u čitanju, ne samo praktično slušanje. Generira zvuk na 44,1 kHz, pa je za duge knjige ovo prava odluka. EPUB u opsegu cijelog romana na današnjem prijenosnom računalu raščlani se za nekoliko sekundi, a reprodukcija počinje odmah dok se ostatak generira u pozadini.

Isto vrijedi za PDF udžbenike, DOCX rukopise i ODT dokumente. Sve se raščlanjuje unutar uređaja — bez slanja na poslužitelj, bez usluge pretvorbe.

U čemu TTS (još) nije dobar

• Emocionalne nijanse. AI Voice je milje ispred tradicionalnog TTS-a, ali dijalog i dalje čita ravnije nego čovjek. Za audioknjige romana s puno dijaloga profesionalni pripovjedač i dalje pobjeđuje.
• Vlastita imena i rijetke riječi. Svaki TTS mehanizam povremeno pogrešno izgovori nazive tvrtki, stručne izraze ili rijetko korištene riječi. Ako je točnost bitna, prođite kroz takve riječi prije reprodukcije.
• Kod, formule i strukturirani podaci. Zalijepite li blok koda, rezultat je gotovo čista buka. TTS izgovara interpunkciju kao "točka", "zarez", što je ponekad korisno (pri lekturi), ali obično nije ono što želite.
• Vrlo dugo slušanje u jednom sjedenju. Zalijepite li dokument od 100.000 riječi, pročitat će ga do kraja, ali neprekinuto slušanje cijelog romana previše je opterećenje za audio cjevovod preglednika. Sigurnije je slušati po poglavljima.

Napomene o pregledniku i uređaju

Osnovni glas koristi ugrađeni glasovni mehanizam preglednika, pa dostupni glasovi ovise o operacijskom sustavu.

• Windows: Klasični SAPI glasovi za hrvatski su oskudni ili ih nema. No Edge dodaje dva Azure neuronska mrežna glasa "Online (Natural)" — Gabrijela (žena) i Srečko (muškarac) — koji zvuče znatno prirodnije i trenutačno su najbolji besplatni izbor za hrvatski na Windowsu.
• macOS / iOS: Apple navodi hrvatski među jezicima koje podržavaju Speak Screen i Speak Selection; dostupni glas provjerite u Postavke → Pristupačnost → Izgovoreni sadržaj → Glasovi, gdje po potrebi možete preuzeti i poboljšanu (HD) verziju.
• Chrome (računalo): ako je na sustavu instaliran glas za hrvatski, Chrome ga koristi putem Web Speech API-ja; dostupnost ovisi o operacijskom sustavu na kojem Chrome radi.
• Android: dostupnost hrvatskog glasa u Google servisu za pretvorbu teksta u govor ovisi o uređaju i verziji; provjerite u Postavke → Pristupačnost → Pretvorba teksta u govor. Ondje se mogu pojaviti i glasovi proizvođača uređaja.

Padajući izbornik AI Voice sadrži neuronske mehanizme, a koji su vidljivi ovisi o uređaju i jeziku stranice:

• Supertonic HD — jedina opcija visoke kvalitete koja podržava hrvatski, na 44,1 kHz. Zahtijeva WebGPU, što u praksi znači Chrome ili Edge na računalu. Jednokratno preuzimanje od oko 380 MB.
• Piper — radi putem WebAssemblyja na gotovo svakom modernom pregledniku, uključujući mobitele, ali za hrvatski trenutačno nema glasovni model, pa se ne prikazuje ovdje.
• Kokoro HQ — isključivo engleski, pa se na hrvatskoj stranici ne prikazuje.

Jedini AI mehanizam dostupan ovdje radi u potpunosti unutar preglednika i nakon prvog preuzimanja djeluje izvanmrežno. Na prijenosnom računalu s barem novijom integriranom grafikom, generiranje putem WebGPU-a odvija se gotovo u stvarnom vremenu.

Zašto je besplatno

Quick TTS se financira prikazivanjem oglasa. Nema plaćenih razina, premium glasova ni ograničenja broja znakova. Ako vas oglasi smetaju, blokator oglasa u pregledniku razuman je izbor — puno radije da koristite alat nego da ga ne koristite. Više detalja na stranici O nama.