भाषण संश्लेषण और आवाज चयन

यांत्रिकी: वाक् संश्लेषण दो चरणों में होता है। सबसे पहले, मॉडल प्रोसोडी की भविष्यवाणी करता है - पिच, ध्वनियों की अवधि, ठहराव, स्वर-ध्वनि - फिर वोकोडर इसे ध्वनि तरंग में बदल देता है। एक ही पाठ अलग-अलग लगता है क्योंकि मॉडल विराम चिह्न, अक्षर मामले और निर्दिष्ट मापदंडों से भावना और लय का अनुमान लगाता है। आपके लीवर: समय (पुरुष/महिला/तटस्थ), उम्र, भावना, गति, भाषा और उच्चारण। अंदरूनी सूत्र: किसी भावना को "हंसमुख" शब्द से नहीं, बल्कि एक संदर्भ-टिप्पणी और सही विराम चिह्न के साथ परिभाषित करना अधिक विश्वसनीय है - एक अवधि शांत होती है, एक दीर्घवृत्त खींचता है, एक विस्मयादिबोधक ऊर्जा बढ़ाता है। दूसरी अंतर्दृष्टि: विज्ञापन के लिए, आरामदायक से 10-15% तेज़ आवाज़ का उपयोग करें - संपादन के दौरान, धीमी आवाज़ सुस्त लगती है। नौसिखिया गलती: हर चीज़ के लिए एक "सार्वभौमिक सुखद आवाज़" की तलाश में। आवाज एक कास्टिंग है: एक ऑडियोबुक के लिए एक कथावाचक एक गतिशील वीडियो को खत्म कर देगा, और एक हंसमुख सेल्समैन एक ध्यान नहीं पढ़ेगा।