Miklós
-7 °C
2 °C

Számítógépes beszédszintézis magyarul

2004.11.09. 16:35
Hiánypótló szoftverként debütált a Speakboard, mely bonyolult technológiájának köszönhetően különösebb nehézség nélkül olvas fel női vagy férfi hangon magyar kiejtéssel bármilyen, számítógépen tárolt szöveget. Felolvastattunk vele egyszerű szövegeket, nyelvtörőket, verseket és még pornográf írásokat is.
Felolvastatni leírt szövegeinket - ez maga a mámor. Miközben a páratlan lehetőségeken gondolkodtam, kéjes vigyorral szorongattam mellkasomhoz a Speech Technology termékét, a Speakboardot, és alig vártam a pillanatot, amikor végre elindíthatom a beszélő programot. A szoftver telepítése nem okozott nehézséget, gyorsan túl is estünk rajta.

Hangok a gépben

Annál bonyolultabb a regisztráció. A húsz tagból álló sorozatszám megadása után kapunk egy szintén nem rövid kódot, melyet a társaság munkatársának kell bediktálnunk, aki erre ad egy újabb kódot, amivel máris használhatóvá válik a szoftver. Értem én az óvatosságot, de ez mégiscsak hosszadalmas egy kissé.

Telepítés után választhatunk a női (Kriszta) és a férfihang (Miklós) között, harmadik lehetőségként ott van az angol szövegekhez Microsoft Sam, de az ő hangja olyan, mint egy orrpolipműtét előtt - vagy közben - rajtakapott szintetizátorhibás roboté. Mi gyarló emberhez méltón végig Krisztával dolgoztunk, akinek olvasási sebességét a többiekhez hasonlóan meghatározhatjuk.

Kedv kérdése

Elsőként normális szövegeket olvastattunk Krisztával, aki készségesen állt a rendelkezésünkre: tisztán, érthetően mondta el a szövegeket, bár kissé darabosan, de ezért még nem kell logopédushoz küldeni. Mondatszinten is jól teljesített, remekül felismerte a vesszőt, hangsúlyozott, értette, hogy mikor van vége a mondatnak.

(Ezt a bekezdést Kriszta tolmácsolásában meghallgathatja itt.)

Külön erény, hogy esetenként a kérdőmondat nehéz hangsúlyozását is többször életszerűn oldotta meg Kriszta, de sokszor kifogott rajta a kérdőjel. Érdekes még, amikor hosszú mondatokkal próbálkozik a leányzó. Valahol a mondat felénél lesz olyan érzése az embernek, hogy Kriszta legszívesebben befejezné a felolvasást, innentől kezdve pedig hallhatóan elmegy a kedve az egésztől. Mintha kifogyna belőle a szusz.

Aaaah

Később természetesen kibújt belőlünk a kisördög, de kénytelenek voltunk megállapítani, hogy Kriszta program létére meglepő átéléssel tud pornográf szövegeket felolvasni. Az élvezetet már csak azzal lehetett volna fokozni, ha soronként lehetett volna váltogatni Kriszta és Miklós hangját, ezt azonban sajnos nem tudtuk megoldani. Tovább szívattuk a programot, de be kellett látnunk, hogy a nyelvtörők sem okoznak problémát a Speakboardnak, ráadásul házilag készült verseinket is meglepően jól hangsúlyozva olvasta fel.

Mindez egyszerűnek hangzik, de beszélő programot készíteni korántsem könnyű feladat. Nagy Zoltán, a Speech Technology fejlesztési igazgatójának elmondása szerint a Speakboard motorját közel három évig tökéletesítették.

Nehézségek

Az összes szó és azok ragozott alakjainak rögzítése természetesen nem megoldható, a hangok felmondása viszont nem elegendő, hiszen máshogy ejtjük például az "p" fonémát, ha "á" hang és máshogy ha "é" hang következik utána. Éppen ezért a készítők egy másik módszerhez fordultak: rengeteg írott szöveget "etettek" meg a számítógéppel, amely azokat elemezve létrehozott egy, a létező legtöbb variációt tartalmazó három órás szöveget.

Ezt a csak mondatszinten összefüggő szöveget aztán felolvastatták "Krisztával" és "Miklóssal", majd a rögzített hangmintákat egy analízisszoftver fonémákra bontotta. A fejlesztés nehézségeit mutatja, hogy ha egyszerűen szabályok szerint működne a szoftver, akkor gyakran hibát véthetne, amikor kivételhez ér. Ilyen például a község szó, melyben a "z" és az "s" hangokat simán "zs"-nek ejtene egy nem alaposan megtervezett program, a Speaboardot azonban felkészítették az ilyen nehézségekre is.

Tesztünkben igen jól vizsgázott a termék, mely óriási segítség lehet vakoknak vagy gyengénlátóknak, illetve sokkal érdekesebbé és szórakoztatóbbá teheti a számítógépezést mindenki számára. Sőt, mivel az ember akárhányszor is olvassa újra, saját apró elütéseit soha nem fogja felfedezni írásában, felolvasás közben azonban egyből kiütköznek a hibák, azok is jól járhatnak Krisztával és csapatával, akik rendszeresen sokat gépelnek.