Syntéza reči (TTS)

Syntéza reči vytvára zvukovú stopu z textu. Pred samotnou syntézou často treba rozvinúť skratky a určiť výslovnosť cien a identifikátorov.

Rozhodnutia pri návrhu

Pri oznamovaní termínu rozhoduje, či systém prečíta dátum, poradové číslo alebo počet kusov. Predspracovanie musí zachovať pôvodný význam.

Príklad z pracovného postupu

Pri termíne „03. 04. o 08.05“ sa rovnaká bodka používa medzi časťami dátumu aj času. Pred syntézou sa hodnoty spracujú podľa ich významu v dátovom modeli a overia sa posluchom bez zobrazeného textu.

Ako výsledok overiť

Posluchový test zahŕňa slovenské mená, časové intervaly, pomlčky a jednotky. Hodnotí sa zrozumiteľnosť údajov aj prirodzené pauzy.

Čo ukáže meranie na firemných vstupoch

Pri porovnaní dvoch modelov je dobré uchovať pôvodný vstup, jeho prípadnú transformáciu a cieľový výsledok oddelene. Dajú sa tak rozlíšiť chyby získania vstupu, chyby samotného modelu a chyby pri prevode jeho výstupu do formulára či hlasovej odpovede. Príklady majú zahŕňať aj situáciu, v ktorej človek potrebuje rozhodnutie odložiť a vyžiadať doplnenie.

Meranie priemeru doplníme o rozdelenie chýb podľa jazyka, kvality vstupu a typu údaja. Omyl v nezáväznom súhrne má inú cenu ako chybné číslo dokladu. Pri výbere riešenia preto vyčíslime aj počet prípadov určených na ľudskú kontrolu.

Pôvodný odborný zdroj – Syntéza reči (TTS)

Číselné hodnoty treba pre hlasový kanál pripraviť podľa ich významu

Rovnakú postupnosť číslic možno v slovenčine čítať ako číslo objednávky, telefónny kontakt alebo peňažnú sumu. V aplikácii ponecháme pôvodnú hodnotu a pripravíme samostatnú podobu pre hlasový výstup. Používateľ tak môže číslo skontrolovať aj na obrazovke.

Pri nahrávaní testov zahrnieme desatinnú čiarku, zápornú hodnotu, skratku jednotky aj dva kódy bezprostredne za sebou. Poslucháč zopakuje to, čo skutočne počul, aby bolo možné rozlíšiť prirodzenú melódiu hlasu od jednoznačnosti údaja.

Otázky z praxe

Kto rozhodne, či sa kód číta ako číslo alebo po znakoch?

Rozhodnutie patrí k významu údaja. Číslo prípadu s úvodnou nulou, cena a poradové číslo môžu mať rovnaký reťazec číslic, ale príjemca ich potrebuje počuť inak. Aplikácia preto pripraví hovorenú podobu zo známeho typu poľa a pri kritickom kóde umožní jeho zopakovanie.

Prečo môže výmena hlasu rozbiť už pripravené oznámenie?

Nový hlas môže mať odlišné tempo, pauzy alebo výslovnosť miestnych názvov. Pri fixnom hudobnom podklade či videu sa môže zmeniť aj čas potrebný na odznenie dôležitej vety. Referenčné ukážky znovu vypočujeme v cieľovom prehrávači a porovnáme zrozumiteľnosť bez čítania titulkov.

Ako v pokuse oddeliť prirodzenosť od správnosti údajov?

Poslucháč najprv zo zvuku zapíše dátum, sumu alebo číslo a až potom posúdi prirodzenosť hlasu. Tým oddelíme príjemný prednes od porozumenia dôležitej informácii. Výsledok si vyhodnotíme podľa typu údajov, lebo dobré bežné vety nemusia znamenať dobré čítanie identifikátorov.

Potrebujete poradiť?

Opíšte nám, čo potrebujete vyriešiť. Odpovedáme e-mailom.

O čo máte záujem?

Martin Michalka vám pošle návrh e-mailom. Opíšte jednu úlohu, ktorú vo firme robíte opakovane.

Ako vás máme kontaktovať?