Sprachsynthese ist die künstliche Generierung von Sprache mit Hilfe eines
Rechners. Da mit Hilfe dieser Technologien ganze Texte vorgelesen werden
können, nennt man diesen Prozess auch Text-to-Speech (TTS). Moderne
TTS-Systeme sind sehr leistungsfähig; die gut verständlichen und natürlich
klingenden Stimmen haben mit den blechernen Sprechtönen früherer
Heimcomputer nicht mehr viel gemein.
Anwendungsbeispiele
Sprachsynthese kann einen wichtigen Beitrag zur barrierefreien Nutzung des
Rechners leisten, z. B. wenn beliebige Webseiten oder Programmmenüs für
Menschen mit Sehbehinderung vorgelesen werden. Die Sprachsynthese hat auch
in viele kommerzielle Anwendungen Einzug erhalten, z. B. dem Vorlesen von
SMS-Nachrichten, Abrufen von E-Mails, Wetter- oder Börsendaten per
Mobiltelefon oder dem Vorlesen von Fahranweisungen durch
Navigationssysteme.
Sprachsynthese für E-Learning
Im E-Learning kann Text-To-Speech vielseitig eingesetzt werden, zum Beispiel
um schriftliche Unterlagen wie Vorlesungsskripte in Tondateien umzuwandeln.
Die Inhalte können per Podcast bereitgestellt und auf mobilen
Wiedergabegeräten abgespielt werden. Für das Lernen von Fremdsprachen
sind vom Computer vorgelesene Wörter und Sätze ebenfalls geeignet wenn die
generierte Sprache exakt ist. Für die Produktion multimedialer Lernangebote,
z. B. Animationen, interaktive Darstellungen oder Software-Demos, sind
Computersprecher außerdem eine kostengünstige und unkomplizierte Alternative
zur Sprachaufnahme im Tonstudio. Dies gilt auch für die Vertonung von
Avataren, also kleinen digitalen (Comic-)Helfern , die durch ein
Lernprogramm führen können. Leider erlauben die Lizenzbedingungen vieler
Text-To-Speech-Programme keine kommerzielle Verwendung der generierten
Audiodateien. Für die Produktion von Prototypen und den privaten Gebrauch
eignen sie sich aber hervorragend.
Qualität der Sprachsynthese
Die Qualität der generierten Sprache variiert sehr stark zwischen den
unterschiedlichen Systemen. Die wichtigsten Qualitätskriterien sind die
Natürlichkeit und die Verständlichkeit der gesprochenen Sprache. Ursachen
für die Qualitätsunterschiede sind zum einen die verschiedenen Verfahren,
mit denen die Sprache erzeugt wird, zum anderen die verwendete Datenbasis.
Bei einigen Verfahren werden z. B. häufig gesprochene Wörter nicht künstlich
generiert sondern liegen als eine Spracheinheit bereits digitalisiert vor.
Je mehr Wörter verfügbar sind, desto wahrscheinlicher wird eine natürliche,
fehlerfreie Aussprache. Je nach Verfahren wird entweder eher eine
Natürlichkeit oder gute Verständlichkeit der Sprache erreicht. Weitere
Qualitätsfaktoren sind eine angenehme Stimmlage, gut getroffene
Sprachmelodie sowie die korrekte Aussprache und Umwandlung von Abkürzungen,
Satzzeichen oder Zahlen.
Sprachsynthese-Software und -Engines
Für die eigentliche Erzeugung der gesprochenen Worte kommen
Sprachsynthese-Engines zum Einsatz. Bei diesen Engines handelt es sich um
Softwaremodule, die von verschiedenen Herstellern angeboten werden. Für die
meisten Engines sind mehrere weibliche und männliche Stimmen verfügbar. Die
künstlichen Stimmen haben menschliche Namen, zum Beispiel Klara und Reiner
(von AT & T
http://www.naturalvoices.att.com/) oder Anna und Stefan
(Nuance
http://www.nuance.com/). Die Sprachsynthese Engines
können Sie nicht direkt verwenden. Stattdessen gibt es verschiedene
Softwarepakete, die den Einsatz von Sprachsynthese Engines erlauben. Die
Programme bieten in der Regel eine Benutzerschnittstelle, in der die zu
sprechenden Texte eingegeben werden können. Die Software schickt diesen Text
dann an eine der verfügbaren Sprachsynthese-Engines. Während es sehr viele
unterschiedliche Softwarepakete für Sprachsynthese gibt, ist die Anzahl der
Engines geringer. Die meisten Softwareprodukte greifen auf die gleichen
Engines zurück. Die Programme unterscheiden sich daher nur in der
Benutzerfreundlichkeit, jedoch nicht in der Sprachqualität, da diese allein
von den Engines abhängt. Beim Kauf einer Software sollte man darauf achten,
dass eine hochwertige Engine mit zum Lieferumfang gehört. Der Linguatec
Voice Reader (
Produktsteckbrief) verwendet zum Beispiel die gut
klingende Sprachsynthese von SVOX (SVOX
http://www.svox.ch/).
Viele der verfügbaren Stimmen können Sie kostenlos im Internet testen. Auf
den Seiten der Hersteller gibt es in der Regel ein Formular, in das Sie
eigene Kurztexte eingeben und eine Stimme wählen können. Der Text wird dann
an die jeweilige Sprachsynthese-Engine gesendet. Wenn Ihnen die
Sprachqualität einer Stimme gefällt, dann müssen Sie beim Softwarekauf nur
darauf achten, dass diese spezielle Stimme (z. B. „Dagmar“) mit zum
Lieferumfang gehört. Während für deutschsprachige Stimmen auch deutsche
Rufnamen verwendet werden, erkennt man englischsprachige Stimmen meistens an
Namen wie „Paul“ oder „Mary“. Sowohl die Engines als auch die Stimmen sind
für verschiedene Sprachen optimiert, wobei die Besonderheiten der jeweiligen
Aussprache berücksichtigt werden. Einige Hersteller berücksichtigen auch die
Unterschiede zwischen britischer und amerikanischer Aussprache.
Weitere Informationen
