Social Proof

Mikä on tekstistä puheeksi -teknologian ja puhesynteesin historia?

Speechify on maailman johtava äänilukija. Käy läpi kirjoja, asiakirjoja, artikkeleita, PDF-tiedostoja, sähköposteja - mitä tahansa luettavaa - nopeammin.

Esillä

forbes logocbs logotime magazine logonew york times logowall street logo
Kuuntele tämä artikkeli Speechifyllä!
Speechify

Mikä on tekstistä puheeksi -teknologian ja puhesynteesin historia? Tutustu läpimurtohetkiin ja avainhenkilöihin, jotka ovat vaikuttaneet puhesynteesin ja tekstistä puheeksi -teknologian kehitykseen.

Tekstistä puheeksi (TTS) ja puhesynteesi saattavat vaikuttaa uusilta teknologioilta, mutta niillä on itse asiassa rikas historia, joka ulottuu vuosisatojen taakse.

Varhaisista yrityksistä jäljitellä ihmisen puhetta mekaanisilla laitteilla nykypäivän huipputeknologian tekoälyyn ja syväoppimismalleihin, TTS:n kehitys on ollut kiehtova matka.

Tässä artikkelissa sukellamme syvälle tekstistä puheeksi -teknologian ja puhesynteesin historiaan ja tutkimme jännittäviä tulevaisuuden mahdollisuuksia.

Tekstistä puheeksi ja puhesynteesi: varhaisesta kehityksestä nykypäivän käyttöön

1700- ja 1800-luku

Tekstistä puheeksi -teknologian ja puhesynteesin historia voidaan jäljittää 1700- ja 1800-luvuille. Tänä aikana tehtiin useita varhaisia yrityksiä puhesynteesissä, kaikki mekaanisia laitteita käyttäen. 1770-luvulla unkarilainen keksijä Wolfgang von Kempelen kehitti akustis-mekaanisen puhekoneen, joka oli suunniteltu jäljittelemään ihmisen ääntöväylää. Tämä analoginen laite käytti palkeita, kielekkeitä ja putkia tuottaakseen vokaali- ja konsonanttiääniä.

1700-luvun lopulla englantilainen fyysikko Charles Wheatstone keksi Kempelenin puhekoneen mekaanisemman version, jota hän kutsui "puhuvaksi koneeksi". Laite pystyi toistamaan erilaisten soittimien ääniä. Vaikka Wheatstonen laite ei ollut nimenomaisesti suunniteltu puhesynteesiin, se vahvisti ajatusta käyttää mekaanista laitetta äänen tuottamiseen.

1800-luvulla kehitettiin useita muita laitteita, mukaan lukien Faberin "keinotekoinen puhe" -kone. Nämä laitteet käyttivät mekaanisten ja pneumaattisten järjestelmien yhdistelmää puheäänten luomiseen.

1900-luvun alku ja ensimmäinen täysin sähköinen puhesynteesi

1900-luvun alussa puhesynteesiteknologia kehittyi monimutkaisemmaksi, kun Homer Dudley keksi ensimmäisen täysin sähköisen puhesynteesijärjestelmän – vocoderin. Järjestelmä kehitettiin Bell Laboratoriesissa (Bell Labs) New Jerseyssä.

Dudleyn vocoder käytti sarjaa resonanssipiirejä ja suodattimia synteettisen puheen luomiseen. Asiantuntijat esittelivät vocoderia, nimeltään Voder, vuoden 1939-1940 maailmannäyttelyssä Flushing Meadowsissa, New Yorkissa. He käyttivät konetta näppäimistön ja jalkapolkimien avulla puheen tuottamiseen.

1950-luvun alusta 1970-luvun loppuun – syntetisaattorien nousu

Vuonna 1951 Dudleyn työ inspiroi Dr. Franklin S. Cooperia kehittämään pattern playback -järjestelmän Haskins Laboratoriesissa. Järjestelmä toimi analysoimalla tallennettua ääntä, kuten puhuttua sanaa tai lausetta, ja jakamalla sen komponenttiääniaaltoihin tai "spektrografisiin kuvioihin". Nämä kuviot tallennettiin magneettinauhalle ja toistettiin synteettisenä versiona alkuperäisestä äänestä.

Vuonna 1976 esiteltiin ensimmäinen kaupallisesti menestynyt tekstistä puheeksi -järjestelmä, Kurzweil Reading Machine. Järjestelmä käytti konkatenaatiosynteesitekniikkaa, yhdistäen ennalta nauhoitettuja foneemeja ja sanoja synteettisen puheen tuottamiseksi. Laite oli ensisijaisesti suunniteltu auttamaan vammaisia henkilöitä, mutta se saavutti nopeasti suosiota lukemisen apuvälineenä.

Vuodesta 1978 alkaen Texas Instruments alkoi kehittää puhesynteesipiiriä, jota voitaisiin käyttää videopeleissä ja muissa tietokonepohjaisissa sovelluksissa. Piiri käytti konkatenaatiosynteesiä, joka yhdisti nauhoitettuja puheääniä, tai difoneja, tuottaakseen ihmismäistä puhetta. Tätä teknologiaa käytettiin myöhemmin DECtalkissa, tekstistä puheeksi -järjestelmässä, joka tarjosi korkealaatuista synteettistä puhetta vammaisille henkilöille.

Nykyaikaiset tekstistä puheeksi -järjestelmät

Yksi viime vuosien keskeisistä innovaatioista on ollut hermoverkkojen käyttö synteettisen puheen tuottamiseen. Yritykset kuten Google ja Microsoft ovat kehittäneet korkealaatuisia TTS-järjestelmiä, jotka käyttävät syväoppimisalgoritmeja analysoidakseen suuria ihmisen ääniä sisältäviä tietoaineistoja ja tuottaakseen luonnollisen kuuloista puhetta.

Toinen tärkeä kehitysaskel TTS-teknologiassa apuvälineenä on ollut yksikkövalinnan ja konkatenaatiosynteesitekniikoiden käyttö. Nämä menetelmät mahdollistavat realistisemmat tulokset yhdistämällä pieniä ennalta nauhoitettuja puheyksiköitä, kuten difoneja tai jopa kokonaisia sanoja, uusien lauseiden luomiseksi. Näitä tekniikoita on käytetty suosituissa TTS-sovelluksissa, kuten Speechify, Applen Siri ja Amazonin Alexa, sekä vanhemmissa työkaluissa, kuten IBM ViaVoice.

Puheentunnistusteknologia on myös edistynyt merkittävästi viime vuosina, mikä on mahdollistanut kehittyneemmät TTS-järjestelmät. Käyttämällä puheentunnistusalgoritmeja ihmisen puheen muuntamiseen tekstiksi, TTS-järjestelmät voivat luoda luonnollisempia siirtymiä synteettisessä puheessa.

Viime vuosina olemme myös nähneet prosodian ja intonaation integroinnin. Tämä mahdollistaa luonnollisemman kuuloisen puheen, jossa on sopivia taukoja, painotuksia ja sävyjä. Prosodia on erityisen tärkeää kielille, kuten englanti, joissa painotus ja intonaatio voivat merkittävästi vaikuttaa lauseen merkitykseen.

Syväoppiminen ja sen yli: teknologian tulevaisuus

TTS-teknologian tulevaisuus on jännittävä ja täynnä lupauksia. Keinotekoisen älykkyyden ja syväoppimisen myötä voimme odottaa entistä luonnollisemman kuuloista puhetta, joka pystyy jäljittelemään ihmisen puheen hienovaraisuuksia ja vivahteita.

Yksi alue, jossa tämä on erityisen hyödyllistä, on virtuaaliavustajien ja chatbotien kehitys. Näistä järjestelmistä tulee entistä keskustelullisempia, ja käyttäjät voivat olla vuorovaikutuksessa niiden kanssa luonnollisemmalla tavalla.

Lisäksi voimme odottaa edistysaskeleita foneettisessa transkriptiossa, joka tunnetaan myös tekstistä foneemiksi -muunnoksena. Kun koneet parantavat kykyään tunnistaa ja tulkita ihmisen puhetta, puheesta tekstiksi -järjestelmien tarkkuus ja tehokkuus paranevat jatkuvasti.

Lopuksi voimme odottaa, että tekstistä puheeksi -teknologia tulee yhä laajemmin saataville ja integroituu jokapäiväiseen elämäämme. Kun yhä useammat laitteet kytkeytyvät esineiden internetiin, voimme ohjata niitä äänellämme reaaliajassa, mikä tekee elämästämme kätevämpää ja tehokkaampaa.

Liity tekstistä puheeksi -vallankumoukseen Speechifyn kanssa

Jos etsit tehokasta tekstistä puheeksi palvelua, joka tuottaa luonnollista ja korkealaatuista kerrontaa, Speechify on oikea valinta.

Kehittyneen formanttisinteesiteknologiansa ansiosta Speechify luo realistisia, luonnollisen kuuloisia ääniä, toisin kuin menneisyyden robottimaiset äänet. Jopa arvostetut kirjailijat, kuten Stephen Hawking – joka kokeili aikoinaan tekstistä puheeksi -teknologiaa – olisivat vaikuttuneita Speechifyn kyvyistä.

Speechifyn käyttö on helppoa – vieraile vain virallisella verkkosivustolla tai lataa mobiilisovellus ja syötä haluamasi teksti. Valitse sitten tarpeisiisi sopiva ääni, säädä nopeutta ja sävyä tarpeen mukaan, ja voilà! Speechify luo erinomaisen ja luonnollisen kuuloisen kerronnan, joka sopii täydellisesti e-oppimismoduuleihin, selitysvideoihin, podcasteihin ja esityksiin. Voit jopa luoda omia mukautettuja ääniä käytettäväksi YouTubessa ja muilla sosiaalisen median kanavilla.

Älä tyydy heikkolaatuisiin TTS-palveluihin – kokeile Speechifyta jo tänään ja koe tekstistä puheeksi -teknologian tulevaisuus.

UKK

Kuka kehitti maailman ensimmäisen puhesyntetisaattorin?

Homer Dudley suunnitteli maailman ensimmäisen puhesyntetisaattorin 1930-luvun alussa Bell Laboratoriesissa New Yorkissa.

Mikä on puhesynteesin tarkoitus?

Puhesynteesin tarkoituksena on tuottaa keinotekoista puhetta tekstisyötteestä käyttämällä kielenkäsittelyä ja perustaajuusanalyysiä.

Mitkä ovat neljä tapaa käyttää TTS:ää?

TTS:ää voidaan käyttää saavutettavuuteen, viihteeseen, kielen oppimiseen ja ääneen perustuvien palveluiden automatisointiin.

Mitkä ovat tekstistä puheeksi -teknologian edut?

Tekstistä puheeksi -teknologia voi parantaa saavutettavuutta, tehostaa oppimista ja lisätä tuottavuutta antamalla käyttäjille mahdollisuuden kuluttaa kirjoitettua sisältöä kuunneltavassa muodossa.

Mikä on ollut yllättävin hetki tekstistä puheeksi -synteesin kehityksessä?

Yksi yllättävimmistä hetkistä tekstistä puheeksi -synteesin kehityksessä oli Charles Wheatstonen mekaanisen puhesyntetisaattorin keksiminen.

Cliff Weitzman

Cliff Weitzman

Cliff Weitzman on dysleksian puolestapuhuja sekä Speechifyn toimitusjohtaja ja perustaja. Speechify on maailman johtava tekstistä puheeksi -sovellus, jolla on yli 100 000 viiden tähden arvostelua ja joka on App Storen ykkönen Uutiset & Aikakauslehdet -kategoriassa. Vuonna 2017 Weitzman valittiin Forbesin 30 alle 30 -listalle työstään, jolla hän teki internetistä saavutettavamman oppimisvaikeuksista kärsiville. Cliff Weitzman on ollut esillä muun muassa EdSurgessa, Inc.:ssä, PC Magissa, Entrepreneurissa ja Mashablessa.