Speechz Text to speech Android App

Synteza mowy jest sztuczna produkcja mowy ludzkiej.

Speechz Tekst na mowę

Synteza mowy jest sztuczna produkcja mowy ludzkiej. System informatyczny służący do tego celu nazywa się syntezator mowy, i mogą być realizowane w oprogramowanie czy sprzęt produktów. Text-to-speech (TTS) System zamienia normalny tekst języka na mowę; innych systemów renderowania symboliczne reprezentacje językowe transkrypcji fonetycznej, jak w mowie [1].
Syntezatora mowy może być utworzony przez złączenie kawałków nagranych wypowiedzi, które są przechowywane w bazie danych. Systemy różnią się wielkością przechowywanych jednostek mowy, system zapisuje komórkowych lub diphones zapewnia największy zakres działania, ale może brak czystości. Dla określonych domenach użytkowania, przechowywania całych słów lub zdań pozwala na wyjście wysokiej jakości. Alternatywnie, syntezator może zawierać model traktu głosowego i innych ludzkich cech głosowych stworzenie całkowicie 'syntetyczny' komunikaty głosowe. [2]
Jakości syntezatora mowy jest oceniane przez jego podobieństwo do ludzkiego głosu i jego zdolności do zrozumiałym. Zrozumiały text-to-speech Program pozwala ludziom z wadami wzroku lub niepełnosprawności czytania słuchać pisemnych prac na komputerze domowym. Wiele systemów operacyjnych komputerów obejmowały syntezatorów mowy od początku lat 1990.

Przegląd typowym systemie TTS

Automatyczna zapowiedź
MENU0: 00
Syntetyczny głos ogłaszając przybyciu pociągu w Szwecji.
Problemy odtwarzanie tego pliku? Zobacz pomoc mediów.

Sample Microsoft Sam
MENU0: 00
Mowy Microsoft Windows XP jest domyślnie głos syntezatora mówiąc 'Szybki, brązowy lis skacze nad leniwym psem 1234567890 razy. Soi'
Problemy odtwarzanie tego pliku? Zobacz pomoc mediów.
Text-to-speech System (lub 'silnik') składa się z dwóch części: [3] front-end i back-end. Front-end ma dwa główne zadania. Po pierwsze, to konwertuje surowy tekst zawierający symbole, takie jak numery i skrótów do równowartości słowa napisane-out. Proces ten jest często nazywany normalizacji tekstu, wstępne przetwarzanie, lub atomizacja. Front-end, a następnie przypisuje transkrypcji fonetycznych do każdego słowa, a dzieli i zaznacza tekst na prozodycznych jednostek, jak zwroty, klauzul, i zdań. Proces przyznawania transkrypcji fonetycznych słów nazywa text-to-fonem lub grafem-to-fonem konwersji. Transkrypcji fonetycznych i informacje prosody razem tworzą symboliczną reprezentację językowej, który wychodzi przez front-end. Back-end-często określane jako syntezator, a następnie przekształca się w symbolicznej reprezentacji językowej dźwięku. W niektórych systemach, ta część zawiera wyliczenia prosody docelowej (pitch kontur, trwania fonemy), [4], który następnie nakłada się na słowa wyjściowego.

Info Info