Vad är talesyntes?
Talsyntes är en process där verbal kommunikation replikeras genom en konstgjord enhet. En dator som konverterar text till tal är en typ av talsyntes.
De tidigaste formerna av talsyntes implementerades genom maskiner utformade för att fungera som den mänskliga vokalvägen. Den talmaskin som skapades av Wolfgang von Kempelen på 1700-talet är ett exempel. Med den här enheten producerades tal genom en köksbälge, en påsarör och en klarinettklocka. Kökbälgen var utformad för att fungera som en lunga, medan glottis (området med röstsnören) representerades genom säckpipens vass. Klarinettklockan tjänade som munnen.
Enhetens drift var helt manuell. Höger hand kontrollerade en serie hävarmar medan vänsterhand manipulerade klarinettklockan (munnen). Det fanns också möjlighet att ansluta "näsborrarna", för att producera ett mindre nasalt ljud. Hur som helst, så länge de grundläggande kontrollerna användes korrekt fick maskinen luftflöde. Detta luftflöde bestämde vilka typer av ljud som skulle produceras.
Efterföljande talmaskiner under 1700- och 1800-talet upprätthöll denna installation, även om det fanns förbättringar. Till exempel, i slutet av 1800-talet skapade Joseph Faber en talmaskin som kunde få inmatning via ett tangentbord och en pedal. Maskinen var också väldigt kreativ, eftersom ljudet kom ut genom ett konstgjorda "ansikte."
När 1900-talet började tillät innovationer inom elektronik talsyntesen att ta en ännu kraftigare riktning. Även om förutsättningen att imitera den mänskliga vokalvägen fortfarande var densamma, kunde talmaskiner i början av 1900-talet producera bättre ljud eftersom ingången var mer exakt.
Det var dock inte förrän datorns tillkomst att talsyntes faktiskt kunde användas utanför underhållningsarenan. Detta beror främst på att talsynteser kan lagras i programvara istället för en separat maskin. Dessutom, med datorer som hjälpmedel, kan talsyntes ha en annan form; använder mänskliga röster som huvudkälla för ljud.
Denna form av talsyntes är känd som sammanhängande. Processen fungerar genom att ansluta olika inspelningar av mänskligt tal. Det resulterande ljudet är mycket mer naturligt och behagligt för örat. Detta i motsats till program som använder artikulativ syntes, där tal replikeras genom en datoriserad modell av vokalvägarna.
Kommersiella talsynteser kan använda antingen konkatenativa eller artikulativa metoder, men båda kan uppnå samma mål; att kunna ge människor en möjlighet att höra text. Detta är särskilt användbart i situationer där läsning är påträngande eller omöjlig.
I näringslivet är sådana situationer mycket vanliga, särskilt för telefontransaktioner. Utan text-till-tal-alternativ (TTS) skulle företagare ägna pengar på att anställa ännu mer kundtjänstpersonal. Syntetiserade lösningar undviker detta problem eftersom allt görs av datorn; inte en människa.
Syntetiserat tal spelar också en roll i det dagliga livet, särskilt för personer med funktionsnedsättning. Prata klockor, ordböcker och andra enheter kan göra det lättare för människor som har problem med att se eller läsa. Syntetiserat tal kan till och med ge en röst till individer som inte alls kunde tala. Steven Hawking, en berömd fysiker, är ett framträdande exempel. Eftersom Lou Gehrigs sjukdom har gjort honom stum, använder Hawking en röstsyntesapparat för att kommunicera med människor.
Det finns också TTS-applikationer som hjälper människor med olika datoraktiviteter. För att få dessa typer av applikationer måste de flesta användare köpa separat programvara eller ladda ner patchar. Det senare alternativet är vanligtvis gratis, beroende på vilket operativsystem eller ordbehandlingsprogram som används. Men om en person beslutar att köpa separat programvara, kan de ha tillgång till ett system av högre kvalitet. Specifika exempel kan ses genom Natural Reader 7 och Text Aloud 2.
I slutändan är talsyntes teknik som har revolutionerat hur mänskligheten kommunicerar. På något sätt ger texten ett eget liv. Det ger också världen en möjlighet att höra tankarna från lysande individer som normalt skulle ha varit röstlösa.