Hochwertige (kommerzielle) Text to English-Sprachsoftware?

Top-Stimmen für Text-to-Speech, die ich bisher durch Branding gehört habe.
Acapela Voices http://www.acapela-group.com/text-to-speech-interactive-demo.html
Cepstral http://cepstral.com/demos/
ATT natural http://www2.research.att.com/ ~ ttsweb / tts / demo.php
Nuance RealSpeak Voices http://www.nuance.com/vocalizer5/flash/index.html Die
Microsofts-Versionen
L & H und True Voice sind unten, sofern sie nicht in letzter Zeit verbessert wurden.

(nicht sicher, wo er platziert werden soll) Cereproc http://www.cereproc.com/support/live_demo

Ich finde, dass die englischen Stimmen "UK" aus amerikanischer Sicht besser klingen können als die "amerikanischen" Stimmen. Entweder verbirgt der Akzent mehr Probleme, oder ich kenne die britischen Wendungen und Nuancen nicht genug, um so kritisch zu sein.

Alle werden auf dem Windows-System unter Verwendung von SAPI 4 & 5 ausgeführt.
Stimmen sind jedoch nicht alles, aber für eine perfekte Stimme ist ein gutes Programm mit Wörterbüchern, das Editieren der Aussprache und die übliche Abstimmung der Stimme auf bestimmte Wörter erforderlich, wenn Sie näher an einen echten Menschen herankommen möchten.

Dieser Ort http://www.nextup.com/TextAloud/SpeechEngine/voices.html enthält viele Samples, die Sie von Stimmen hören können. Es war eine gute Zusammenstellung der verschiedenen Stimmen.

Die besten der besten Stimmen, die sie sagen (ich habe sie noch nicht gehört) arbeiten nicht mit dem System alleine, sie arbeiten nur durch das separate Programm für die Stimme. Das Programm und die Stimme werden benötigt und arbeiten zusammen. Ich habe es noch nicht gefunden.

Ich bin kein Experte für Sprachsynthesizer, aber ich kann mir vorstellen, dass die beste Lösung wahrscheinlich von verschiedenen Faktoren abhängt. Zum Beispiel:

• Suchen Sie eine Hardware- oder Softwarelösung?
• Gibt es eine Begrenzung des Speicherbedarfs oder der Ressourcenintensität? Gibt es Überlegungen zur Bandbreite?
• Benötigen Sie eine individuelle Integration?
• Wie definieren Sie Qualität? Ist Natürlichkeit wichtiger oder verständlicher oder beständiger? Eine konkatenative Synthese erzeugt im Allgemeinen die natürlichsten / menschlich klingenden Stimmen, da sie aus kurzen aufgezeichneten Ausschnitten der tatsächlichen menschlichen Stimmen bestehen. Es erzeugt jedoch auch sehr verräterische Störungen, bei denen die verschiedenen Aufnahmen zusammengefügt werden, die bei vollsynthetischen Stimmen nicht vorhanden sind.
• Nach welcher Art von Stimme suchst du? Die meisten Sprachsynthese-Programme scheinen viel realistischere männliche Stimmen zu haben als Frauen. Als Amerikaner klingen Stimmen mit fremden (z. B. österreichischen oder britischen) Akzenten für mich natürlicher als einfache amerikanische Stimmen.
• In ähnlicher Weise erzeugen einige Sprachmodule natürlich klingende Sprache über eine Reihe von Konfigurationen, während andere eine insgesamt niedrigere Qualität aufweisen können, aber in einer bestimmten Konfiguration extrem realistische Sprache erzeugen können.
• Ein weiterer anwendungsspezifischer Aspekt ist die Vielfalt des Eingangstextes, den Sie erwarten. Weil domänenspezifische Sprachsyntheseprogramme am realistischsten sein können, da sie aus tatsächlichen Voraufnahmen ganzer Wörter oder Phrasen erstellt werden. Dies kann jedoch nur verwendet werden, wenn der Eingabetext aus einer bestimmten Domäne stammt, die leicht implementiert werden kann (z. B. ein System, das Filmzeiten oder Busfahrpläne liest usw.). Wenn die Eingabedomäne klein genug ist, kann es am besten sein, einen Sprachschauspieler zu beauftragen, um alle erforderlichen Sätze und Sätze aufzunehmen.
• Möchten Sie die Stimme einer bestimmten Person für diese Anwendung klonen? CereProc ist eine Firma, die sich auf diese Art der Sprachsynthese spezialisiert hat. Sie hat einige unglaubliche Ergebnisse erzielt, die die Persönlichkeit der Zielperson wirklich erfassen.
• Alle vorherigen Überlegungen beziehen sich in erster Linie auf die Ausgabestimme, aber Textparsing ist auch eine Hauptkomponente der Sprachsynthese. Viele Sprachsynthesizer haben Schwierigkeiten mit verschiedenen Arten von Interpunktionen und Zifferndarstellungen (Bruchteile, Prozentsätze, Geld, Exponenten, usw.). Sie sollten auch überlegen, wie die von Ihnen gewählte Sprachengine mit kniffligen Tokenisierungen umgehen soll.

Wenn Sie so viel Geld ausgeben möchten, würde ich mir einige der Top-Marken wie Acapela, Cepestral, AT & T, CereProc, RealSpeak usw. ansehen, sie über Ihre genauen Projektanforderungen informieren und sie ansprechen, oder demonstrieren Sie jeden von ihnen vor den wichtigsten Interessengruppen für dieses Projekt, indem Sie einen tatsächlichen Eingabetext verwenden, den die endgültige Anwendung verarbeiten muss.