Warsztat: Czytanie na głos. Sztuczny

Przegląd najlepszych programów do zamiany tekstu na głos

Badania wskazują, że głos zdominuje codzienne interakcje. Obsługa komputerów, notebooków i smartfonów ewoluuje od klikania do konwersacji głosowej. Zamiast klikać, będziemy rozmawiać – to consensus futurystów. Już dzisiaj, według badania RingCentral, 80 proc. pracowników wolałoby interakcję głosem z urządzeniami niż tradycyjne interfejsy.

Z ubiegłorocznych badań firmy Synthesia wynika, że liczba cyfrowych asystentów głosowych (na przykład Apple Siri czy Google Assistant) przekroczyła 8,4 mld, czyli jest ich więcej, niż liczy cała populacja Ziemi.

Historycznie rozpoznawanie mowy oraz generowanie głosu to technologie, nad którymi naukowcy pracują od lat 50. ubiegłego wieku. Pod koniec lat 80. na rynku pojawiły się całkiem sprawne czytniki ekranu dla niewidomych. Ich główną wadą było nieznośne, robotyczne brzmienie. Pierwsze komercyjne systemy rozpoznawania głosu to koniec lat 90., gdy pojawił się Dragon NaturallySpeaking. Umożliwiał dyktowanie tekstu komputerowi, ale wymagał treningu głosu i był bardzo wrażliwy na jakiekolwiek zakłócenia, np. rozmowę obok czy grające w tle radio.

Równolegle trwały prace nad rozwiązaniami generującymi głos na podstawie tekstu. Jednak od tego czasu technologia rozpoznawania mowy, ale również jej generowania, przeszła pełną metamorfozę i z niszy dla fanów nowych technologii stała się codziennie używaną przez miliony ludzi. Obecnie globalny rynek zamiany głosu w tekst wyceniany jest na blisko 5 mld dol. Ostrożne prognozy sugerują, że wzrośnie do 10 mld dol. w ciągu następnych czterech lat, a optymiści przewidują, że nawet do 25 mld dol.

Stanisław M. Stanuch

Aby przeczytać cały artykuł:

Zapisz się na nasz newsletter i bądź na bieżąco z najświeższymi informacjami ze świata mediów i reklamy. Pressletter