Algorytmiczna eksplozja pozwoliła nam tworzyć obrazy i muzykę, ale też wykazała pewną siłę w przetwarzaniu mowy na tekst. Jeśli ktoś szuka napisu lub transkrypcji, to prawda jest taka, że dostępnych jest wiele darmowych usług. Ale pytanie brzmi: jak to działa w drugą stronę? Mam na myśli text-to-speech klasyczną konwersję tekstu na mowę, z której wielu użytkowników korzysta często. Dzisiaj przyjrzymy się kilku platformom internetowym, dokładnie zbadamy ich darmowe tryby i, jeśli to możliwe, porównamy wyniki.
Tekst na mowę: z każdą generacją coraz lepiej
Wciąż dobrze pamiętam, kiedy pierwsza wersja Dragon NaturallySpeaking trafiła na rynek. Musieliśmy walczyć godzinami, aby „wytrenować” system, a przy odrobinie szczęścia rozpoznawał on 25 procent słów. W dzisiejszych czasach rozmowa z urządzeniem i przekazywanie poleceń głosowych jest tak proste, że nikt nie zatrzymuje się, aby pomyśleć o złożonym procesie ewolucji, który nas tu doprowadził.
Synteza mowy jest jeszcze starsza (możemy pomyśleć o wokoderze z Bell Labs, czy pewnym komputerze IBM śpiewającym „Daisy Bell” w latach 60.), ale wraz z pojawieniem się nowych modeli opartych na sztucznej inteligencji nie jest szaleństwem stwierdzić, że znajduje się w swoim najlepszym momencie. W rzeczywistości konwersja tekstu na mowę jest bliżej niż kiedykolwiek i dzisiaj przyjrzymy się darmowej ofercie niektórych platform specjalnie zaprojektowanych do tego zadania.
Jak zamienić tekst na mowę: ElevenLabs
Darmowy tryb ElevenLabs ogranicza przetwarzanie do dziesięciu tysięcy znaków miesięcznie i nie zezwala na użycie komercyjne, ale to powinno wystarczyć w zupełności do każdego osobistego projektu. Lista dostępnych języków obejmuje 28, a głosy włączone w demo (maksymalnie 333 znaki) to 29.
To demo jest imponujące nie tylko samo w sobie, ale dodatkowo ElevenLabs pozwala nam pobrać kopię wyniku w formacie MP3. Aby wejść na platformę, najprościej jest użyć danych logowania Google, a wewnątrz znajdziemy zaawansowane parametry, takie jak alternatywne modele, stabilność i klarowność. Co prawda ElevenLabs nie jest idealny (niektóre głosy zamieniają 25 na „twenty-five” zamiast „veinticinco”), ale oferuje doskonały punkt wyjścia dla każdego rodzaju użytkowników.
Speechify
Speechify to inne stworzenie niż reszta. Z pewnego punktu widzenia dzieli się na dwie części: jedną skupioną na tradycyjnym text-to-speech z dziewięcioma głosami po hiszpańsku, oraz kompletną „webappkę”, do której możemy wprowadzić tekst jako link do strony internetowej, nowy dokument, plik lokalny, zeskanowany dokument fizyczny lub kopię zapisaną w chmurze. Innymi słowy, Speechify jest narzędziem produktywności, które pomoże nam przetwarzać teksty szybciej.
Język hiszpański ma łącznie dwanaście głosów w webappce i osobiście polecam wypróbowanie wszystkich. Różnice w jakości mogą być bardzo istotne nawet między podobnymi głosami, a kontrola prędkości jest niezbędna do optymalizacji wyników. Speechify nie umożliwia pobierania audio w trybie darmowym, ale nic nie stoi na przeszkodzie, aby nagrać je za pomocą kompatybilnego narzędzia w tle.
Bark
Bark jest dziełem Suno AI, platformy znacznie lepiej znanej ze swoich zalet w generowaniu muzyki za pomocą sztucznej inteligencji przez narzędzie Chirp. Jego technologia text-to-speech jest open source, co oznacza, że każdy pythonowy jeździec może skrzyżować szpady z kodem na GitHubie, a także eksplorować dema, próbki i inne szczegóły techniczne.
Najprostszą alternatywą jest oczywiście udanie się na ich serwer Discord, wejście na kanał betty Barka i rozpoczęcie generowania głosów. Komendy dzielą się na /bark, aby uruchomić silnik, oraz prompt (tekst, który chcemy przetworzyć) i voice, gdzie możemy rzucić kośćmi, używając opcji random, lub wybrać głos z listy. W mniej niż minutę Bark udostępni konwersację, dostępną w formacie MP3 i MP4.
Podsumowanie
Mam nadzieję, że ten wybór i próbki pozwolą uzyskać solidne pojęcie o konwersji tekstu na mowę za pomocą sztucznej inteligencji i o tym, jakie są najważniejsze ograniczenia. Poza nieuniknionymi restrykcjami w darmowych profilach sądzę, że warunki są zdecydowanie odpowiednie do pokrycia większości naszych potrzeb, nie wydając ani złotówki.
