Wat is tekst-naar-spraak? Een gids in begrijpelijke taal

Tekst-naar-spraak (TTS), ook wel spraaksynthese genoemd, is software die tekst hardop voorleest. U geeft het een zin en krijgt een audiobestand of een live stream terug van een stem die die zin uitspreekt. Die stem is geen opname van iemand die precies uw woorden voorleest. Hij wordt ter plekke gegenereerd door een computermodel dat heeft geleerd hoe een bepaalde stem klanken, woorden en zinnen uitspreekt.

U hebt TTS vrijwel zeker al eens gehoord: in navigatie-instructies, telefoonmenu's, schermlezers voor blinde en slechtziende mensen, voorleesfuncties in e-books en steeds vaker in vertelstemmen op YouTube en in korte video's.

De meeste huidige systemen werken grofweg in drie fasen. U ziet ze nooit, maar als u ze kent, begrijpt u beter waarom bepaalde tekst problemen geeft.

1. De tekst lezen en normaliseren

Eerst bepaalt het systeem wat er eigenlijk gezegd moet worden. "St." kan "Sint" of "straat" betekenen; "1984" in "het jaar 1984" is "negentienhonderdvierentachtig", maar in "1984 euro" is het "duizend negenhonderdvierentachtig"; "€5" wordt "vijf euro". Het systeem deelt de tekst ook op in zinnen en bepaalt hoe elk geschreven woord wordt uitgesproken, en dat is lastiger dan het klinkt: het Nederlandse "voorkomen" klinkt anders in "dat kan voorkomen" dan in "een ongeluk voorkomen".

2. De klank plannen

Vervolgens voorspelt een neuraal netwerk hoe de zin moet klinken: welke lettergrepen klemtoon krijgen, waar de toonhoogte stijgt en daalt, hoe lang elke klank duurt en waar de korte ademhalingen vallen. Deze melodie en dit ritme heten prosodie, en dat is het belangrijkste verschil tussen een stem die menselijk klinkt en een stem die klinkt als een machine die een lijstje oplepelt.

3. De audio maken

Ten slotte zet een ander model (vaak een vocoder genoemd) dat plan om in een echte geluidsgolf die u kunt afspelen. Oudere systemen plakten piepkleine, vooraf opgenomen spraakfragmenten aan elkaar, en daarom klonken ze hakkelig. Neurale systemen genereren de golfvorm rechtstreeks, en daarom klinken de huidige stemmen vloeiend.

• Prosodie. Een natuurlijk ritme en een natuurlijke intonatie zijn belangrijker dan pure geluidskwaliteit. Een zuivere maar vlakke stem klinkt nog steeds kunstmatig.
• Passende taal en accent. Een stem die voor één taal is getraind, heeft meestal moeite met woorden uit een andere taal. Kies een stem die past bij de taal van uw tekst en het liefst ook bij het accent dat uw luisteraars verwachten.
• De tekst zelf. Afkortingen, ongebruikelijke namen, ontbrekende leestekens en heel lange zinnen zijn de meest voorkomende oorzaken van vreemde resultaten. In onze gids over scripts schrijven voor tekst-naar-spraak leest u hoe u ze oplost.
• Instellingen voor snelheid en toonhoogte. Kleine aanpassingen helpen veel; extreme instellingen laten elke stem vreemd klinken.

• Toegankelijkheid. Luisteren in plaats van lezen helpt mensen die slechtziend zijn, dyslexie hebben, snel vermoeid raken of om een andere reden moeite hebben met lezen. Zie tekst-naar-spraak voor toegankelijkheid.
• Vertelstem bij video's. Makers gebruiken TTS voor uitlegvideo's, tutorials en korte video's op YouTube wanneer ze hun eigen stem niet kunnen of liever niet willen opnemen. Zie een YouTube-voice-over maken.
• Talen leren. Een zin horen uitspreken door een stem met een moedertaalaccent, op een lager tempo, helpt bij de uitspraak. Zie tekst-naar-spraak voor het leren van talen.
• Proeflezen. Uw eigen tekst laten voorlezen is een van de snelste manieren om stroeve zinnen en ontbrekende woorden op te sporen.
• Luisterboeken en lange teksten beluisteren. Zie een luisterboek inspreken met TTS.

Zelfs goede AI-stemmen kunnen zeldzame namen, merknamen en leenwoorden uit andere talen verkeerd uitspreken. Ze begrijpen uw tekst niet zoals een menselijke verteller dat doet, dus grappen, sarcasme en sterke emoties klinken vaak neutraal. En omdat synthetische stemmen inmiddels realistisch klinken, mogen ze nooit worden gebruikt om een echt persoon na te bootsen of luisteraars te misleiden.

Het praktische antwoord op de meeste van deze beperkingen is de tekst aanpassen in plaats van de strijd aan te gaan met de stem: schrijf lastige namen zoals ze klinken, knip lange zinnen op en zet leestekens waar u een pauze wilt.

In de Studio kunt u maximaal 2.000 tekens per keer plakken, kiezen uit 583 stemmen in 76 talen, snelheid en toonhoogte aanpassen, luisteren en het resultaat downloaden. U hebt geen account nodig. Weet u niet met welke stem u moet beginnen? Lees dan hoe u de juiste AI-stem kiest.