Definição – O que significa Text to Speech (TTS)?
Texto para fala (TTS) é um processo de modelagem de linguagem natural que requer a mudança de unidades de texto em unidades de fala para apresentação de áudio. Isso é o oposto da fala para texto, onde uma tecnologia pega as palavras faladas e tenta registrá-las com precisão como texto. Texto para fala agora é comum em tecnologias que buscam renderizar saída de áudio de texto digital para ajudar aqueles que não sabem ler ou para outros tipos de uso.
Definirtec explica Text to Speech (TTS)
O desenvolvimento da capacidade de conversão de texto em voz inclui alguns desafios exclusivos. Especialmente na língua inglesa, onde um grande número de homônimos têm pronúncias variadas, os programas de computador contam com modelagem de probabilidade para adivinhar a pronúncia desejada de uma palavra em um texto digital. O programa também converte unidades de texto em fonemas, as menores unidades de pronúncia da fala. O resultado é que muitas tecnologias de conversão de texto em fala são menos do que infalíveis, embora os desenvolvedores tenham feito um grande progresso nessas tecnologias ao longo de vários anos.
Com o tempo, os especialistas observaram algumas práticas recomendadas para o desenvolvimento de TTS. Isso inclui bases de fonemas e abordagens concatenativas com análise preditiva. Os melhores programas também são capazes de trabalhar com requisitos mínimos de memória e são fáceis de configurar. Os desenvolvedores continuam a trabalhar nos recursos TTS para qualquer idioma, enfrentando os principais desafios de ambigüidade e outros obstáculos para uma renderização mais precisa.