Beszédszintézis

A beszédszintézis célja az, hogy mesterségesen hozzon létre beszélő emberi – vagy ahhoz a lehető legjobban hasonlító – hangot. Az első ilyen szerkezetet Kempelen Farkas konstruálta, melynek egy példánya ma a müncheni Deutsches Museumban tekinthető meg. Magyarországon az MTA Nyelvtudományi Intézetében is látható egy működő, rekonstruált változat Kempelen beszélő gépéből (2002-ből), valamint a rekonstruált gép hangja meghallgatható a magyarbeszed.tmit.bme.hu honlapon is az interaktív anyagok között.

Többféle eljárás létezik, ezek a leggyakrabban két fokozatban dolgoznak:

1. az írott szöveget fonémákká alakítják;
2. a fonémákat hangfeldolgozó eljárások segítségével – lehetőleg szakadásmentesen összeillesztve – valamilyen hangkeltő eszközön keresztül hanggá alakítják, például a hangképző szervek utánzásával vagy tárolt hangminták felhasználásával.

Megfontolások

• Nem minden fonéma létezik minden nyelvben (pl ü nincs az angol nyelvben).
• Egy írott szöveg lefordítása fonémákká nem triviális (például a hanglejtés miatt).
• Egy írott szöveg fonémákká alakítása nyelv- és kontextusfüggő.

Programok

• Txt2Pho német szövegeket alakít fonémákká
• MBrola nyelvszintetizálási projekt
• FreeTTS, Jávában írt nyílt forráskódú TTS (Text-To-Speech = szövegből beszéd) rendszer
• Festvox, nyílt forráskódú nyelvszintetizálási projekt
• espeak, nyílt forráskódú magyarul is olvasó program

Felolvasók:

• Angol szövegfelolvasó
• Szövegfelolvasók jegyzéke

Hangos (angol) szótárak (és még más is. például concordance)

• – Hongkongi egyetem

Magyar kutatás (az egyik):

• – BME-TMIT
• Pediaphon beszédszintézis Wikipedia Szócikk Magyar

A másik az MTA;

a harmadik:

• a Speakboard (angol vagy magyar szöveget) felolvasó program

Kulcsszavak: voice portal, számítógépes nyelvészet, hangkódolás, prozódia, hangsúlyozás, nyelvfelismerés, Kempelen Farkas