Οι τεχνολογίες εκφώνησης κειμένων από ηλεκτρονικούς υπολογιστές αποτελούσαν μέχρι πρόσφατα ένα πονοκέφαλο για τους προγραμματιστές και τους τεχνικούς. Οι φωνές που κατάφερναν να προσθέσουν οι προγραμματιστές και οι τεχνικοί στους υπολογιστές δεν έμοιαζαν και πολύ ανθρώπινες.

Τα τελευταία χρόνια οι εξελίξεις σε αυτόν τον τομέα ήταν πολύ σημαντικές. Πρωτοπόρος θεωρείται η Google η οποία είχε ήδη αναπτύξει μια τεχνολογία text-to-speech που ονομάστηκε Tactotron. Πρόκειται για μια τεχνολογία τεχνητής νοημοσύνης που βασίζεται σε δύο νευρωνικά δίκτυα και προσδίδει στους υπολογιστές φωνή πολύ κοντινή στην ανθρώπινη. Οπως αναφέρει σε δημοσίευμά της η ιστοσελίδα qz.com ο κολοσσός παροχής ιντερνετικών υπηρεσιών παρουσίασε το Tacotron 2, την δεύτερη γενιά αυτής της τεχνολογίας η οποία επιτρέπει στους υπολογιστές να μιμούνται με εξαιρετική πιστότητα την ανθρώπινη φωνή. Πολύ δύσκολα κάποιος που θα ακούσει μια φωνή προϊόν του Tacotron 2 θα διακρίνει ότι πρόκειται για φωνή υπολογιστή και όχι ανθρώπου.

Η ερευνητική ομάδα της Google έχει εκπαιδεύσει το σύστημα Tacotron 2 έτσι ώστε να αποδίδει σωστά δύσκολες φράσεις, να τονίζει τα κεφαλαία γράμματα, να διαβάζει λέξεις με ορθογραφικά λάθη, να απαγγέλλει γλωσσοδέτες, να πραγματοποιεί παύσεις στα σημεία στίξης κλπ. Προς το παρόν το σύστημα μπορεί να εκφωνεί μόνο με μια συγκεκριμένη γυναικεία φωνή και θα πρέπει οι ερευνητές να κοπιάσουν και άλλο για να εκφωνεί και με περισσότερες γυναικείες φωνές ή ακόμη και με αντρικές.

Μπορείτε εδώ να ακούσετε μερικά δείγματα της φωνής που παράγει η νέα τεχνολογία. Ιδιαίτερο ενδιαφέρον έχει η ενότητα όπου μια φράση αρχικά την εκφωνεί μια αληθινή γυναίκα και στην συνέχεια την ίδια φράση εκφωνεί ο υπολογιστής.

Ακολουθήστε το Protagon στο Google News