Praktičen vodnik za pretvorbo besedila v govor

10 stvari, v katerih je pretvorba besedila v govor resnično dobra — in nekaj, kjer (še) ni. Vse spodnje uporabe omogoča brezplačno orodje na tej strani.

1. Lektoriranje lastnega besedila

To je najbolj podcenjena uporaba TTS. Ko svoje besedilo berete tiho, možgani vrzeli zapolnijo s tistim, kar ste nameravali napisati. Ko pa besedilo slišite prebrano na glas, napake takoj izstopijo — podvojene besede, nerodne formulacije, stavki, ki so bili v vaši glavi v redu, ko pa jih slišite naglas, se ne izidejo.

Postopek: dokončajte osnutek, ga prilepite v Quick TTS, pritisnite predvajanje in z očmi sledite izvirniku. Kadar koli v zvoku kaj zveni čudno — tudi če ne veste zakaj — preverite tisto vrstico. V devetih od desetih primerov je tam nekaj za popraviti.

Posebej dobro deluje pri dolgih besedilih (esejih, motivacijskih pismih, poročilih, objavah na blogu). Bolj kot ste besedilo prebirali, dokler ga oči niso več zares videle, bolje deluje ta metoda. Deset minut poslušanja s TTS pogosto ujame napake, ki bi jih ura tihega branja spregledala.

2. Poslušanje člankov med opravili

Imate shranjen dolg članek, a ne najdete 20 minut neprekinjenega časa za branje? Prilepite besedilo (na večini strani deluje "izberi vse in kopiraj"), pritisnite predvajanje in poslušajte med kuhanjem, hojo, vožnjo ali pomivanjem posode. Uporaben trik je tudi povečanje hitrosti na 1,4× ali 1,5× — po dnevu ali dveh se možgani prilagodijo, tako da lahko članek zaključite tretjino hitreje kot pri tihem branju.

Deluje tudi odlično s seznami za kasnejše branje, kot sta Instapocket ali Pocket. Če izvozite besedilo članka, dobite brezplačno zvočno različico vsega, kar ste odložili za pozneje.

3. Učenje tujih jezikov (izgovorjava)

Ko se učite novega jezika, besede same po sebi ne povedo ničesar o izgovorjavi. TTS je drugačen. Prilepite stavek v jeziku, ki se ga učite, preklopite glas na govorca tega jezika (brskalniki jih imajo v spustnem meniju običajno več) in poslušajte.

Deluje tudi obratno — vnesite, kako mislite, da bi fraza morala zveneti, jo poslušajte in primerjajte s posnetkom naravnega govorca. Razlika med njima pokaže, kaj morate še vaditi.

Vgrajeni glasovi brskalnika so pri jezikih, ki niso angleščina, pogosto bolj sposobni, kot bi angleško govoreči uporabnik pričakoval. Zlasti Mac in iOS sta močna pri francoščini, španščini, nemščini, italijanščini in japonščini. Windows in Android sta bolj neenakomerna.

4. Študij (zapiski v zvok)

Če ste slušni tip ali se med prevozom v šolo ali na izpit vozite, je prilepljanje študijskih zapiskov v TTS in ponovno poslušanje legitimna učna metoda. Dobro deluje tudi pri pomnjenju — ritem branja na glas se v spominu ohrani drugače kot tiho branje.

Kombinirajte z drsnikom za hitrost. Prvo branje opravite pri 1× za razumevanje vsebine, nato pa hitre ponovitve pri 1,5× ali 1,7×.

5. Podpora pri dostopnosti za osebe z disleksijo

TTS je resnično koristno orodje za dostopnost pri disleksiji. Ko besedilo berete ob poslušanju — ali ga sploh ne berete, samo poslušate — obidete korak "dekodiranja", ki tradicionalno branje otežuje. Raziskave dokazujejo koristi tega pristopa tako za razumevanje kot za manjšo utrujenost.

Quick TTS deluje tudi na mobilnih napravah. To je pomembno, ker učenec ali odrasla oseba z disleksijo lahko odpre spletno stran, kopira odstavek in ga posluša — brez posebne programske opreme, brez prijave, brez stroškov.

6. Uporabniki s slabovidnostjo ali slepoto

Resni bralniki zaslona, kot so NVDA, JAWS in VoiceOver, so močnejši za splošno navigacijo po strani, orodja, kot je to, pa so uporabna, kadar želite prebrati določen kos besedila — e-pošto, obrazec, odstavek, prilepljen od nekod — brez zagona celotnega konteksta bralnika zaslona. Polje za vnos ima oznako za bralnik zaslona, gumb za predvajanje pa navaja bližnjico (Ctrl+Enter ali ⌘+Enter).

7. Vaja za tuji jezik (poslušanje in branje hkrati)

Za učence tujega jezika je poslušanje besedila ob hkratnem vizualnem sledenju eden najhitrejših načinov za izboljšanje razumevanja. Prilepite karkoli — novinarski članek, e-pošto sodelavca, stran Wikipedije o temi, ki vas zanima — in poslušajte do konca pri udobni hitrosti. Za najbolj naravno izgovorjavo in ritem poskusite možnost glasu AI.

8. Začasna pripovedovanja za videoposnetke ali predstavitve

Če ustvarjate kratek razlagalni videoposnetek, predstavitev izdelka ali diapozitive, pa si ne želite snemati lastnega glasu, TTS lahko služi kot začasni pripovedovalec (pri glasu AI pogosto celo kot dokončna izbira). Med predvajanjem zvoka snemajte zaslon in ga sinhronizirajte z videom.

Opozorilo: komercialna uporaba je pri vseh pogonih dovoljena, vendar se licenčni pogoji razlikujejo od pogona do pogona — ni enotnega odgovora za "glas AI" kot celoto. Vgrajeni glasovi brskalnika se ravnajo po pogojih sistemskih glasov Microsofta, Appla in Googla. Glasovi Piper na osnovi LibriTTS-R in VCTK so pod licenco CC-BY 4.0 (zahtevana navedba vira), Joe pa je CC0. Supertonic HD je izjema: uteži so licencirane pod OpenRAIL-M podjetja BigScience, kar ni permisivna licenca. Komercialna uporaba je dovoljena in do ustvarjenega zvoka ne uveljavljamo pravic, vendar veljajo omejitve glede uporabe, ki jih morate upoštevati in prenesti naprej na vsakogar, s komer delite model ali njegove izhode. Koda za sklepanje je pod licenco MIT. Kokoro (Apache 2.0) je viden samo na angleški strani. Popoln pregled po pogonih je v pogostih vprašanjih.

9. Branje otroku pravljice za lahko noč, kadar vam pade glas

Bolan dan, hripav glas, a čas za spanje je tu. Prilepite poglavje knjige in pritisnite predvajanje. Ni tako dobro kot v živo, je pa veliko boljše od ničesar. Možnost glasu AI za ta namen presenetljivo toplo zveni.

10. Poslušanje e-knjig (EPUB)

Če datoteko EPUB povlečete v polje z besedilom, se cela knjiga v brskalniku razčleni v vrstnem redu branja. Če že imate e-knjigo brez zaščite DRM, obhoda DRM ni treba izvajati. Standard Ebooks, Project Gutenberg in večina neodvisnih založnikov ponujajo navadne datoteke EPUB, pripravljene za takojšnjo uporabo. Knjige, kupljene drugje, lahko s Calibrom izvozite kot EPUB brez DRM.

To je najbliže brezplačni zvočni knjigi za e-knjige brez DRM, ki jih že imate. Zlasti glas Supertonic HD zveni dovolj blizu pravega pripovedovalca, da presega zgolj praktično poslušanje in prenese tudi branje v prostem času. Ustvarja v 44,1 kHz, zato je pri dolgih knjigah pravilna izbira. Tudi EPUB v dolžini romana se na sodobnem prenosniku razčleni v nekaj sekundah, nato pa se preostanek ustvarja v ozadju, medtem ko se predvajanje začne takoj.

Enako velja za učbenike v obliki PDF, rokopise v DOCX in dokumente ODT. Vse se razčleni znotraj naprave, brez nalaganja na strežnik ali storitve za pretvorbo.

Kaj TTS (še) ne zna dobro

• Čustvene nianse. Glas AI je pred klasičnim TTS korake naprej, a besedilo še vedno bere bolj enolično kot človek. Za zvočno knjigo romana z veliko dialoga je še vedno boljša izbira profesionalni pripovedovalec.
• Lastna imena in nenavadne besede. Vsak pogon TTS bo občasno napačno prebral imena podjetij, strokovne izraze ali redke besede. Če je natančnost pomembna, take besede pred predvajanjem na hitro preglejte.
• Kodo, formule in strukturirane podatke. Če prilepite blok kode, je rezultat skoraj samo šum. TTS ločila prebere kot "pika" ali "vejica", kar je včasih koristno (pri lektoriranju), a večinoma ni to, kar želite.
• Zelo dolgo poslušanje v enem kosu. Dokument s 100.000 besedami se sicer prebere do konca, a poslušanje celega romana brez prekinitve je za zvočni cevovod brskalnika zahtevna naloga. Varneje je poslušati po poglavjih.

Opombe o brskalnikih in napravah

Privzeti glas uporablja vgrajeni govorni pogon brskalnika, zato so razpoložljivi glasovi odvisni od operacijskega sistema.

• Mac: privzeti glas je Samantha in je zares dober. Druge glasove najdete v Sistemske nastavitve → Dostopnost → Vsebina za govor → Sistemski glas.
• Windows: Microsoft Zira, David, v novejših različicah pa tudi Natasha in Aria. Edge pogosto ponuja boljše nevronske glasove. Za slovenščino Windows nima klasičnega glasu, Edge pa prek Azurove nevronske sinteze ponuja dva spletna glasova, Petra Online in Rok Online.
• iOS / iPadOS: nekaj glasov, med njimi Samantha. Glasovi Siri v brskalniku niso na voljo.
• Android: privzet je Google TTS. Dodatne glasove lahko namestite v sistemskih nastavitvah — na Androidu na glavni strani poiščite povezavo "Spremeni glas na Androidu".

Spustni meni glasu AI vsebuje nevronske pogone, prikazani pa so odvisni od naprave in jezika strani:

• Piper — deluje prek WebAssembly, zato ga lahko uporabite v sodobnem brskalniku na skoraj vsaki napravi, tudi na telefonu. Vendar Piper trenutno ne ponuja slovenskega glasu, zato je na tej strani skrit. Enkraten prenos okoli 60 MB.
• Kokoro HQ — ker je samo v angleščini (tako glasovi kot fonemizacija), na slovenski strani ni prikazan.
• Supertonic HD — najkakovostnejša izbira v 44,1 kHz in edini nevronski pogon, ki podpira slovenščino. Potreben je namizni Chrome ali Edge z WebGPU. Enkraten prenos okoli 380 MB.

Supertonic HD deluje v celoti v brskalniku in po prvem prenosu deluje tudi brez povezave. Na prenosniku z novejšo vgrajeno grafično kartico je ustvarjanje prek WebGPU skoraj v realnem času.

Zakaj je brezplačno

Quick TTS se financira s prikazovalnimi oglasi. Ni plačljivih stopenj, ni premium glasov, ni omejitve znakov. Če vas oglasi motijo, je zaviralnik oglasov v brskalniku razumna rešitev — raje vas imamo kot uporabnika kot ne. Več podrobnosti je na strani o nas.