Praktisks teksta pārvēršanas runā ceļvedis

Desmit lietas, ko teksta pārvēršana runā dara tiešām labi — un dažas, ko ne. Katru no šiem pielietojumiem var izmēģināt ar šīs vietnes bezmaksas rīku.

1. Savu tekstu korektūra

Tas ir visnenovērtētākais TTS pielietojums. Klusi lasot savu tekstu, smadzenes tukšās vietas aizpilda ar to, ko domājāt uzrakstīt. Klausoties skaļi nolasītu tekstu, kļūdas uzreiz izceļas — atkārtoti vārdi, neveikli izteikumi, teikumi, kas galvā šķita labi, bet izskanējuši vairs nesaturas kopā.

Metode: pabeidziet melnrakstu, ielīmējiet to Quick TTS, nospiediet atskaņot un sekojiet oriģinālam ar acīm. Katru reizi, kad audio izklausās dīvaini — pat ja nevarat pateikt, kāpēc — pārbaudiet šo rindu. Deviņos gadījumos no desmit tur ir kaut kas labojams.

Īpaši labi tas darbojas garākiem tekstiem (esejām, pieteikuma vēstulēm, atskaitēm, emuāra ierakstiem). Jo ilgāk esat teksta skatījušies, jo vairāk burti pārstāj būt burti — un tieši tad šī metode strādā vislabāk. 10 minūtes ar TTS bieži atklāj vairāk problēmu nekā stunda klusas lasīšanas.

2. Rakstu klausīšanās, veicot citas lietas

Vai jums ir garš raksts saglabāts, bet nav 20 minūšu, ko pavadīt netraucēti lasot? Ielīmējiet tekstu (lielākajā daļā vietņu var atzīmēt visu un kopēt) un nospiediet atskaņot, kamēr gatavojat ēdienu, staigājat, braucat vai mazgājat traukus. Noderīgs paņēmiens ir palielināt ātruma slīdni līdz 1,4× vai 1,5× — pēc dažām dienām smadzenes pierod, un varat pabeigt aptuveni par trešdaļu ātrāk nekā klusi lasot.

Tas noder arī tādiem pakalpojumiem kā Instapaper vai Pocket — eksportējot raksta tekstu, atlikto lasāmvielu bezmaksas iegūstat audio formātā.

3. Svešvalodu apguve (izruna)

Mācoties jaunu valodu, no burtiem vien izrunu neuzzināsiet. TTS ir citādi. Ielīmējiet apgūstamo teikumu mērķa valodā un nomainiet balsi uz tās valodas runātāju (pārlūka izvēlnē parasti ir vairākas).

Var izmantot arī otrādi — ievadiet to, kā, jūsuprāt, izteiciens izklausītos, un salīdziniet ar dzimtā valodā runājošā izrunu. Atšķirība starp abām parāda, kur vēl jāpiestrādā.

Pārlūkā iebūvētās balsis bieži prot vairāk nekā angliski runājošie mēdz domāt. Mac un iOS jo īpaši labi tiek galā ar franču, spāņu, vācu, itāļu un japāņu valodu. Windows un Android ir nevienmērīgi.

4. Mācīšanās (piezīmes par audio)

Ja esat dzirdes tipa apmācāmais vai daudz braucat uz nodarbībām vai eksāmeniem, ielīmēt mācību piezīmes TTS rīkā un tās noklausīties ir pilnībā pamatota mācīšanās metode. Tas noder arī iegaumēšanai — skaļi izrunāts ritms paliek atmiņā citādi nekā klusi lasīts teksts.

Kombinējiet to ar ātruma slīdni. Pirmajā reizē klausieties 1× ātrumā, lai uztvertu saturu, pēc tam veiciet ātru atkārtojumu 1,5× vai 1,7× ātrumā.

5. Pieejamība cilvēkiem ar disleksiju

TTS ir patiesi vērtīgs pieejamības rīks cilvēkiem ar disleksiju. Klausoties tekstu, kamēr to lasāt — vai vispār to nelasot, tikai klausoties — var apiet "atšifrēšanas" posmu, kas tradicionālo lasīšanu padara grūtu. Ir stabili pētījumi, kas rāda, ka tas palīdz gan izpratnei, gan noguruma mazināšanai.

Quick TTS darbojas arī mobilajā ierīcē. Tas ir svarīgi, jo skolēns vai pieaugušais ar disleksiju var atvērt tīmekļa lapu, iekopēt rindkopu un to noklausīties — bez īpašas programmatūras, bez reģistrēšanās, bez maksas.

6. Vājredzīgi vai neredzīgi lietotāji

Pilnvērtīgi ekrāna lasītāji, piemēram, NVDA, JAWS vai VoiceOver, ir spēcīgāki vispārīgai lapas navigācijai, taču šis TTS rīks noder, kad vēlaties nolasīt konkrētu teksta gabalu — e-pastu, veidlapu vai no kaut kurienes ielīmētu rindkopu — bez visa ekrāna lasītāja konteksta. Ievades laukam ir ekrāna lasītāja etiķete, un atskaņošanas poga norāda saīsni (Ctrl+Enter vai ⌘+Enter).

7. Prakse svešvalodas apguvējiem

Svešvalodas apguvējiem klausīšanās, vienlaikus vizuāli sekojot tekstam, ir viens no ātrākajiem veidiem, kā uzlabot izpratni. Ielīmējiet jebko — ziņu rakstu, kolēģa e-pastu, interesējošu Wikipedia lapu — un noklausieties to jums ērtā ātrumā. Lai iegūtu dabiskāko izrunu un ritmu, izmēģiniet AI balss opciju.

8. Pagaidu ieskaņa videoklipiem vai slaidiem

Ja veidojat īsu izskaidrojošu video, produkta demonstrāciju vai slaidus, bet nevēlaties ierakstīt savu balsi, TTS var kalpot kā pagaidu (AI balss gadījumā bieži pietiekami labs galīgai versijai) diktors. Ierakstiet ekrānu, kamēr audio atskaņojas, un pielāgojiet sinhronizāciju videoklipā.

Piezīme: komerciāla lietošana ir atļauta visiem dzinēm, taču licences nosacījumi katram atšķiras — uz "AI balsi" kopumā nevar atbildēt ar vienu teikumu. Pārlūkā iebūvētās balsis pakļaujas Microsoft, Apple un Google sistēmas balsu noteikumiem. Piper balsis, kas balstītas uz LibriTTS-R un VCTK, ir CC-BY 4.0 (nepieciešama autorības norāde), Joe ir CC0. Supertonic HD ir izņēmums: modeļa svari izmanto BigScience OpenRAIL-M licenci, kas nav brīvi izplatāma licence. Komerciāla lietošana ir atļauta, un mēs neattiecinām tiesības uz ģenerēto audio, taču tai ir pievienoti lietošanas ierobežojumi, kas jāievēro un jāattiecina uz ikvienu, kam nododat modeli vai tā izvadi. Secinājumu kods ir MIT. Kokoro (Apache 2.0) ir redzams tikai angļu valodas lapā. Pilns dzinēju apkopojums ir BUJ sadaļā.

9. Gulētiešanas pasakas bērniem, kad balss neklausa

Slimas dienas, aizsmakusi balss, bet gulētiešanas laiks tuvojas. Ielīmējiet grāmatas nodaļu un nospiediet atskaņot. Tas nav tik labi kā īsta lasīšana, taču ir daudz labāk nekā nekas. AI balss šim nolūkam izklausās pārsteidzoši siltāk, nekā varētu domāt.

10. Elektronisko grāmatu klausīšanās (EPUB)

Ievelciet EPUB failu teksta laukā, un visa grāmata tiek pārlūkā lokāli sadalīta lasīšanas secībā. Ja jums jau ir EPUB bez DRM aizsardzības, apiet DRM nekas nav vajadzīgs. Standard Ebooks, Project Gutenberg un lielākā daļa neatkarīgo izdevēju piedāvā gatavus, parastus EPUB failus. Grāmatas, kas pirktas citur, ar Calibre var eksportēt kā EPUB bez DRM. Pilnu skaidrojumu par EPUB pārvēršanu runā, DRM un grāmatu ieguves vietām skatiet emuārā (angliski).

Tas ir tuvākais veids, kā no jūsu DRM brīvajām elektroniskajām grāmatām iegūt bezmaksas audiogrāmatu. Jo īpaši Supertonic HD balss izklausās pietiekami tuvu īstam diktoram, lai tiktu galā ne tikai ar praktisku klausīšanos, bet arī ar lasīšanu prieka pēc. Tā ģenerē 44,1 kHz audio, tāpēc garākām grāmatām šī balss ir loģiska izvēle. Pat romāna garuma EPUB fails mūsdienu klēpjdatorā tiek sadalīts dažu sekunžu laikā, un pēc tam atskaņošana sākas uzreiz, kamēr pārējais tiek ģenerēts fonā.

Tas pats attiecas uz PDF mācību grāmatām, DOCX manuskriptiem un ODT dokumentiem. Viss tiek sadalīts jūsu ierīcē, bez servera augšupielādes un bez konvertēšanas pakalpojuma.

Ko TTS (vēl) neprot labi

• Emociju nianses. AI balss ir daudz soļu priekšā tradicionālajam TTS, taču dialogu joprojām lasa vienmērīgāk nekā cilvēks. Dialogu bagātam romānam profesionāls diktors joprojām uzvar.
• Īpašvārdi un retāk lietoti vārdi. Neviens TTS dzinis neizvairīsies no kļūdainas uzņēmumu nosaukumu, tehnisko terminu un retu vārdu izrunas. Ja precizitāte ir svarīga, pirms atskaņošanas šos vārdus pārbaudiet.
• Kods, formulas un strukturēti dati. Ielīmējot koda bloku, rezultāts ir tuvu troksnim. TTS pieturzīmes izrunā kā "punkts", "komats" — dažreiz tas noder korektūrai, taču parasti nav vēlamais rezultāts.
• Ļoti garš audio vienā piegājienā. 100 000 vārdu dokuments tiks nolasīts līdz galam, taču klausīties veselu romānu bez pārtraukuma pārlūka audio konveijeram ir pārāk liels izaicinājums. Drošāk klausīties pa nodaļām.

Piezīmes par pārlūkiem un ierīcēm

Noklusējuma balss izmanto pārlūkā iebūvēto balss dzini, tāpēc pieejamā balss ir atkarīga no OS.

• Windows: pēc noklusējuma bieži nav nevienas latviešu sistēmas balss — ne klasiskajā SAPI sarakstā, ne OneCore balsīs. Edge tam kompensē ar diviem tiešsaistes neironu balsu variantiem, skatiet zemāk.
• Edge (tiešsaiste): divas Azure neironu balsis — Everita Online (Natural) (sieviete) un Nils Online (Natural) (vīrietis). Tām nepieciešams interneta savienojums, taču tās izklausās krietni dabiskākas par jebkuru klasisko sistēmas balsi.
• macOS / iOS: latviešu valoda nav starp Apple noklusējuma sistēmas balsīm. Ja ierīcē nav instalēta papildu balss, Browser TTS latviešu tekstam var neatrast piemērotu balsi.
• Android: Google teksta pārvēršanas runā pakalpojuma atbalstīto valodu sarakstā ir latviešu valoda, taču balss dati jālejupielādē atsevišķi iestatījumos (Iestatījumi → Pieejamība → Teksta pārvēršana runā). Pieejamība var atšķirties atkarībā no ierīces ražotāja.

AI balss nolaižamajā izvēlnē ir neironu dzinēji, un tas, kuri no tiem redzami, ir atkarīgs no ierīces un šīs lapas valodas:

• Piper — pašlaik neatbalsta latviešu valodu. Ja tas mainīsies, izvēlne to atspoguļos.
• Supertonic HD — vienīgais latviešu valodai pieejamais neironu dzinis, 44,1 kHz kvalitātē. Nepieciešams dators ar WebGPU atbalstu (Chrome vai Edge); mobilajām ierīcēm un WASM rezerves ceļa nav. Vienreizēja lejupielāde ~380MB.
• Kokoro HQ — tikai angļu valodai, tāpēc latviešu lapā netiek rādīts.

Vienīgais šeit pieejamais neironu dzinis darbojas pilnībā pārlūkā, un pēc pirmās lejupielādes darbojas arī bezsaistē. Nesenā klēpjdatorā ar integrētu vai labāku GPU WebGPU ģenerēšana notiek gandrīz reāllaikā.

Kāpēc bezmaksas

Quick TTS ienākumus gūst no displeja reklāmām. Nav maksas līmeņu, prēmijas balsu vai rakstzīmju limita. Ja reklāmas traucē, pārlūka reklāmu bloķētājs ir saprātīgs risinājums — labāk, lai izmantojat rīku, nekā neizmantojat vispār. Sīkāk skatiet lapā "Par mums".