Praktinis teksto skaitymo balsu vadovas

Dešimt dalykų, kuriuos teksto skaitymas balsu iš tikrųjų daro gerai — ir keli, kurių nedaro. Viskas čia veikia su nemokamu šios svetainės įrankiu.

1. Savo teksto korektūra

Tai pats labiausiai neįvertintas TTS naudojimo būdas. Kai skaitote savo tekstą tyliai, smegenys užpildo tai, ką norėjote parašyti. Kai išgirstate jį skaitomą balsu, klaidos iškyla iš karto: pasikartojantys žodžiai, nepatogios frazės, sakiniai, kurie galvoje atrodė gerai, bet garsiai nesirikiuoja.

Veiksmų seka: užbaikite juodraštį, įklijuokite jį į Quick TTS, spauskite leisti ir sekite akimis originalų dokumentą. Kiekvieną kartą, kai garsas ištaria kažką, kas skamba negerai — net jei negalite paaiškinti kodėl — sustabdykite ir pažiūrėkite tą eilutę. Devyni iš dešimties kartų ten bus ką taisyti.

Tai ypač veiksminga ilgiems tekstams (rašiniams, motyvaciniams laiškams, ataskaitoms, tinklaraščio įrašams), kai žodžiai jau seniai nustojo registruotis akimis. Dešimt minučių su TTS dažnai pagauna tai, ko nepagavo valanda tylaus skaitymo.

2. Straipsnių klausymasis dirbant kitką

Išsaugojote ilgą straipsnį, bet niekaip nerandate 20 nepertraukiamų minučių jam perskaityti? Įklijuokite tekstą (dauguma svetainių leidžia pažymėti viską ir kopijuoti), spauskite leisti ir klausykitės gamindami valgį, vaikščiodami, vairuodami ar plaudami indus. Greičio slankiklio pakėlimas iki 1,4× ar 1,5× yra naudingas trikas — po dienos ar dviejų smegenys prisitaiko ir baigiate trečdaliu greičiau nei tylaus skaitymo.

Taip pat tinka jūsų atidėtų skaitinių sąrašui iš paslaugų kaip Instapaper ar Pocket. Eksportuokite straipsnio tekstą ir gausite nemokamas garso versijas viso to, ką jau seniai ketinote perskaityti.

3. Užsienio kalbos mokymasis (tarimas)

Mokantis naujos kalbos, žodžio matymas neduoda jokios informacijos apie tarimą. TTS duoda. Įklijuokite mokomą sakinį ta kalba, perjunkite balsą į tos kalbos gimtąjį (naršyklės išskleidžiamajame sąraše jų paprastai yra keletas) ir klausykite.

Galite naudoti ir atvirkščiai — įrašykite, kaip, jūsų manymu, turėtų skambėti frazė, paklausykite ir palyginkite su gimtakalbio įrašu. Skirtumas tarp jų parodo, ką reikia praktikuoti.

Naršyklės įmontuoti balsai dažnai geriau kalba ne anglų kalbomis, nei tikisi anglakalbiai. Mac ir iOS ypač stiprūs prancūzų, ispanų, vokiečių, italų ir japonų kalbomis. Windows ir Android — nevienodai.

Turint kompiuterį su WebGPU, galima pasiekti geriau nei sistemos balsai. Supertonic HD generuoja 44,1 kHz kokybe 31 kalba, tarp jų ir lietuvių, o tai pastebimai geriau atkuria natūralią prozodiją nei dauguma įmontuotų OS balsų.

Vienas dalykas, kurį verta žinoti prieš įklijuojant: AI varikliai kalbą ima iš puslapio, kuriame esate, o ne iš teksto, kurį įklijuojate. Mokydamiesi kitos kalbos šiame lietuvių puslapyje, tekstas bus skaitomas lietuvišku balsu. Arba atverkite tos kalbos svetainės versiją per poraštėje esantį kalbos rinkiklį, arba įjunkite Supertonic automatinės kalbos perjungiklį, kuris pats aptinka teksto kalbą. Browser TTS tai neveikia — jo balso pasirinkimas ir nustato kalbą.

4. Mokymasis (konspektai virsta garsu)

Klausos tipo besimokantiesiems arba visiems, važiuojantiems į paskaitą ar egzaminą, konspektų įklijavimas į TTS ir klausymasis yra teisėtas mokymosi metodas. Taip pat veikia įsiminimui — girdimo skaitymo ritmas įsimena kitaip nei tylus skaitymas.

Derinkite su greičio slankikliu: pirmam perklausymui — 1×, kad įsisavintumėte medžiagą, o vėliau — 1,5× ar 1,7× greitoms peržiūroms.

5. Prieinamumas žmonėms su disleksija

TTS yra tikrai vertingas prieinamumo įrankis žmonėms su disleksija. Teksto klausymasis skaitant — arba vietoje skaitymo — apeina „iškodavimo“ etapą, kuris tradicinį skaitymą daro sunkų. Yra nemažai tyrimų, rodančių, kad tai padeda tiek supratimui, tiek nuovargiui.

Quick TTS veikia mobiliajame įrenginyje, o tai svarbu, nes reiškia, kad mokinys ar suaugusysis su disleksija gali atverti tinklalapį, nukopijuoti pastraipą ir ją išgirsti — be specialios programinės įrangos, be registracijos, be kaštų.

6. Prastai matantys ar akli naudotojai

Pilnaverčiai ekrano skaitytuvai kaip NVDA, JAWS ar VoiceOver yra galingesni visapusiškai puslapio navigacijai, bet tokie TTS įrankiai naudingi konkrečiam teksto gabalui — el. laiškui, formai, iš kažkur įklijuotai pastraipai — perskaityti, nesukviečiant viso ekrano skaitytuvo konteksto. Teksto laukas turi žymą ekrano skaitytuvams, o leidimo mygtukas praneša savo klavišų kombinaciją (Ctrl+Enter arba ⌘+Enter).

7. Anglų kaip antrosios kalbos praktika

ESL besimokantiesiems anglų teksto klausymasis sekant akimis yra vienas greičiausių būdų pagerinti supratimą. Įklijuokite bet ką — naujienų straipsnį, kolegos el. laišką, jums įdomią Vikipedijos puslapį — ir klausykitės patogiu greičiu. Norėdami natūraliausio tarimo ir ritmo, išbandykite AI Voice pasirinktį.

8. Laikinos balso takelio įrašo vaizdo įrašams ar skaidrėms

Jei kuriate trumpą aiškinamąjį vaizdo įrašą, produkto demonstraciją ar skaidres ir nenorite įrašinėti savo balso, TTS suteikia laikiną (o AI Voice atveju dažnai ir pakankamai galutinį) pasakotoją. Įrašykite ekraną, kol groja garsas, ir sinchronizuokite su vaizdo įrašu.

Pastaba: komercinis naudojimas leidžiamas visuose varikliuose, bet licencijos sąlygos skiriasi — vieno atsakymo visam „AI Voice“ nėra. Naršyklės įmontuoti balsai laikosi Microsoft, Apple ar Google sistemos balso sąlygų. Supertonic HD yra išimtis: jo svoriai yra pagal BigScience OpenRAIL-M licenciją, kuri nėra laisva. Komercinis naudojimas leidžiamas ir jokios teisės į sugeneruotą garsą nereikalaujamos, tačiau ji prideda naudojimo apribojimus, kurių privalote laikytis ir perduoti toliau visiems, su kuriais dalinatės modeliu ar jo išvestimi. Išvedimo kodas yra MIT licencijos. Piper ir Kokoro šiame puslapyje nerodomi — žemiau paaiškinta, kodėl. Pilna suvestinė pagal variklius yra DUK (anglų kalba).

9. Pasakos vaikui, kai balso nebeturite

Serga gerklė, balso nėra, bet miego metas neatidėliojamas. Įklijuokite knygos skyrių ir spauskite leisti. Nė iš tolo ne tas pats, kas tikras balsas, bet gerokai geriau nei nieko. AI Voice pasirinktis šiam tikslui skamba netikėtai šiltai.

10. Elektroninių knygų klausymasis (EPUB)

Nutempkite EPUB failą į teksto lauką ir visa knyga bus išanalizuota naršyklėje skaitymo tvarka. Jei knyga jau be DRM, jokio DRM apėjimo nereikia. Standard Ebooks, Project Gutenberg ir dauguma nepriklausomų leidėjų siūlo paprastus EPUB failus, kurie veikia iš karto. Kitur pirktas knygas galima eksportuoti be DRM per Calibre.

Tai artimiausias dalykas nemokamai audioknygai bet kuriai jūsų turimai knygai be DRM. Ypač Supertonic HD balsas skamba pakankamai artimas tikram pasakotojui, kad tiktų ne tik naudingam klausymuisi, bet ir skaitymui malonumui. Generuoja 44,1 kHz kokybe, todėl ilgai knygai tai teisingas pasirinkimas. Romano ilgio EPUB šiuolaikiniame nešiojamame kompiuteryje išanalizuojamas per kelias sekundes, o atkūrimas prasideda iškart, likusiam generuojantis fone.

Tas pats galioja PDF vadovėliams, DOCX rankraščiams ir ODT dokumentams. Visi analizuojami įrenginyje, jokio įkėlimo į serverį ar konvertavimo paslaugos nereikia.

Kur TTS (dar) nėra stiprus

• Emocinis niuansas. AI Voice yra kur kas pranašesnis už tradicinį TTS, bet vis tiek skaito dialogus plokščiau nei žmogus. Grožinės literatūros audioknygoms su daug dialogų vis dar geriau tinka profesionalus pasakotojas.
• Tikriniai vardai ir neįprasti žodžiai. Bet kuris TTS variklis kartais neteisingai ištars įmonių pavadinimus, techninius terminus ir retesnę leksiką. Jei tikslumas svarbus, peržiūrėkite juos prieš paleisdami.
• Kodas, formulės, struktūrizuoti duomenys. Įklijavus kodo bloką, rezultatas beveik nesuprantamas. TTS skiriamuosius ženklus skaito kaip „taškas“, „kablelis“ — kartais naudinga (korektūrai), bet dažniausiai ne tai, ko norite.
• Labai ilgas garsas per vieną kartą. Galite įklijuoti 100 000 žodžių dokumentą ir jis bus perskaitytas, bet ištisai klausytis viso romano — didelis krūvis naršyklės garso sistemai. Saugiau klausyti po skyrių.

Pastabos apie naršykles ir įrenginius

Numatytasis balsas naudoja naršyklės įmontuotą kalbėjimo variklį, todėl galimi balsai priklauso nuo jūsų OS.

• Windows: klasikinių SAPI balsų lietuvių kalbai dažniausiai nėra numatytojoje diegtyje — tai silpniausia vieta Windows kalbėjimo palaikyme. Tačiau Edge naršyklėje veikia Azure neuroniniai internetiniai balsai Ona (moteriškas) ir Leonas (vyriškas) — jie skamba kur kas natūraliau ir šiuo metu yra geriausias nemokamas lietuviškas Browser TTS pasirinkimas.
• macOS ir iOS: Apple palaiko lietuvių kalbą per VoiceOver / Spoken Content nustatymus (Sistemos nuostatos → Prieinamumas → Kalbėjimo turinys), tačiau konkretaus lietuviško sistemos balso pavadinimo negalime patikimai patvirtinti — patikrinkite savo įrenginio nustatymuose, ar balsas įdiegtas, ir prireikus atsisiųskite jį ten.
• Chrome (darbalaukis): lietuviško debesijos balso Chrome paprastai nesiūlo; naršyklė naudos tai, kas įdiegta operacinėje sistemoje, jei kas nors įdiegta.
• Android: Google teksto skaitymo variklis palaiko daugybę kalbų, o lietuvių kalbos balsą reikia įdiegti per Nustatymai → Prieinamumas → Teksto skaitymas — konkretaus balso pavadinimo iš anksto patvirtinti negalime, patikrinkite savo įrenginyje.

Trumpai tariant: numatytosios Windows diegties atveju gali visai nebūti lietuviško balso, ir tuomet naršyklė tiesiog neturi kuo kalbėti — Edge Online balsai ar Android sistemos balsas lieka patikimiausias nemokamas kelias.

AI Voice išskleidžiamajame sąraše yra neuroniniai varikliai, ir kuris iš jų matomas priklauso nuo puslapio kalbos:

• Piper — upstream Piper katalogas neturi nė vieno lietuviško balso modelio, todėl šiame puslapyje šis variklis nerodomas.
• Supertonic HD — vienintelis neuroninis variklis, kalbantis lietuviškai. 44,1 kHz kokybė per WebGPU, reikalingas darbalaukio Chrome arba Edge su WebGPU. Jokio WebAssembly atsarginio kelio nėra — be WebGPU, telefonuose ir senesnėse naršyklėse šis variklis tiesiog negalimas. Pirmą kartą atsisiunčiama apie 380 MB.
• Kokoro HQ — skirtas tik anglų kalbai, todėl lietuvių kalbos puslapyje nerodomas.

Vienintelis šiame puslapyje pasiekiamas AI variklis veikia visiškai naršyklėje ir po pirmo atsisiuntimo lieka pasiekiamas neprisijungus. Naujesniame nešiojamame kompiuteryje su bent integruotu GPU WebGPU generavimas vyksta beveik realiuoju laiku.

Kodėl tai nemokama

Quick TTS pajamas gauna iš displėjinių reklamų. Mokamo lygio, premium balsų ir simbolių limito nėra. Jei reklamos trukdo, naršyklės reklamų blokatorius yra visiškai priimtinas sprendimas — geriau naudokitės įrankiu, nei ne. Daugiau — apie puslapyje.