സ്വതന്ത്ര വോയ്സ്: ടെക്സ്റ്റ് വോയിസ് വായിക്കുന്നതിനുള്ള ഒരു പ്രോഗ്രാം

ഹലോ!

ബ്രെഡ് ശരീരത്തെ തീറ്റിക്കുന്നു, പുസ്തകം മനസ്സിനെ ഫീഡാക്കുന്നു "...

പുസ്തകങ്ങൾ - ആധുനിക മനുഷ്യന്റെ ഏറ്റവും വിലപ്പെട്ട സ്വത്ത്. പുസ്തകങ്ങൾ പുരാതന കാലത്ത് പ്രത്യക്ഷപ്പെട്ടു, വളരെ ചെലവേറിയവയായിരുന്നു (പശുക്കളുടെ കൂട്ടത്തിന് ഒരു പുസ്തകം മാറ്റാം!). ആധുനിക ലോകത്ത് പുസ്തകങ്ങൾ എല്ലാവർക്കും ലഭ്യമാണ്! അവരെ വായിക്കുന്നതോടൊപ്പം ഞങ്ങൾ കൂടുതൽ സാക്ഷരതയുള്ളതും വളർന്നുവരുന്ന മാറിയതും നൈപുണ്യവുമാണ്. പൊതുവേ, പരസ്പരം കൈമാറ്റം ചെയ്യുന്നതിനുവേണ്ടിയുള്ള കൂടുതൽ പരിപൂർണ്ണമായ അറിവുകൾ അവർ ഇതുവരെ കണ്ടുപിടിച്ചിട്ടില്ല.

കമ്പ്യൂട്ടർ സാങ്കേതിക വിദ്യയുടെ വികസനത്തിൽ (പ്രത്യേകിച്ച് കഴിഞ്ഞ പത്ത് വർഷത്തിനുള്ളിൽ) പുസ്തകങ്ങൾ വായിക്കാൻ മാത്രമല്ല, അവ കേൾക്കാനും (ഒരു പ്രത്യേക പ്രോഗ്രാമിംഗിൽ ഒരു പുരുഷനോ സ്ത്രീ ശബ്ദത്തിലോ വായിക്കുവാനോ മാത്രമല്ല). വോയിസ് അഭിനയ ടെക്സ്റ്റിനായുള്ള സോഫ്റ്റ്വെയർ ഉപകരണങ്ങളെക്കുറിച്ച് പറയാൻ ഞാൻ ആഗ്രഹിക്കുന്നു.

ഉള്ളടക്കം

  • എഴുതുവാനുള്ള സാധ്യമായ പ്രശ്നങ്ങൾ
    • സ്പീച്ച് എഞ്ചിനുകൾ
  • ശബ്ദത്തിലൂടെ ടെക്സ്റ്റ് വായിക്കുന്നതിനുള്ള പ്രോഗ്രാമുകൾ
    • IVONA റീഡർ
    • ബാലബോൽക്ക
    • ICE പുസ്തകം റീഡർ
    • Talker
    • കലാകാരൻ

എഴുതുവാനുള്ള സാധ്യമായ പ്രശ്നങ്ങൾ

പ്രോഗ്രാമുകളുടെ ലിസ്റ്റിലേക്ക് പോകുന്നതിനു മുമ്പ്, ഞാൻ ഒരു പൊതുവായ പ്രശ്നത്തെ അഭിമുഖീകരിക്കാൻ ആഗ്രഹിക്കുന്നു, ഒരു പ്രോഗ്രാം ടെക്സ്റ്റ് വായിക്കാതിരിക്കാറുണ്ട്.

വോയിസ് എൻജിനുകൾ ഉണ്ട്, അവ വ്യത്യസ്ത മാനദണ്ഡങ്ങളാൽ ആകാം: SAPI 4, SAPI 5 അല്ലെങ്കിൽ മൈക്രോസോഫ്റ്റ് സ്പീച്ച് പ്ലാറ്റ്ഫോം (ടെക്സ്റ്റ് കളിക്കുന്നതിനുള്ള മിക്ക പ്രോഗ്രാമുകളിലും ഈ ഉപകരണം ഒരു നിരതന്നെ ഉണ്ട്). ഒരു ശബ്ദത്തോടെ വായിക്കുന്നതിനുള്ള പ്രോഗ്രാം കൂടാതെ, നിങ്ങൾക്ക് ഒരു എഞ്ചിൻ ആവശ്യമാണ് (അത് ഏത് ഭാഷയിലാണ് വായിക്കേണ്ടത്, എന്തു ശബ്ദം ആണ്: പുരുഷനോ സ്ത്രീയോ മുതലായവ).

സ്പീച്ച് എഞ്ചിനുകൾ

എൻജിനുകൾ സൌജന്യവും വാണിജ്യപരവുമാവുള്ളവയാണ് (തീർച്ചയായും, വാണിജ്യാടിസ്ഥാന എഞ്ചിനുകളിലൂടെ മികച്ച ശബ്ദ പ്രാതിനിധ്യം നൽകുന്നത്).

SAPI 4. ടൂളുകളുടെ ലെഗസി പതിപ്പുകൾ. ആധുനിക PC- കൾക്ക് കാലഹരണപ്പെട്ട പതിപ്പുകൾ ഉപയോഗിക്കാൻ ശുപാർശ ചെയ്തിട്ടില്ല. SAPI 5 അല്ലെങ്കിൽ Microsoft Speech Platform നോക്കുന്നതു് നല്ലതാണു്.

SAPI 5. ആധുനിക സ്പീച്ച് എഞ്ചിനുകൾ, സൗജന്യവും പണമടച്ചും ഉണ്ട്. ഇന്റർനെറ്റിൽ, നിങ്ങൾക്ക് ഡസൻ കണക്കിന് SAPI 5 സ്പീച്ച് എൻജിനുകൾ (പെൺ, പുരുഷ വോക്കൽ) കണ്ടെത്താം.

ശബ്ദകോശത്തിലേക്ക് ശബ്ദം മാറ്റാനുള്ള കഴിവ് നടപ്പിലാക്കുന്നതിന് വിവിധ അപ്ലിക്കേഷനുകളുടെ ഡവലപ്പർമാരെ അനുവദിക്കുന്ന ഉപകരണങ്ങളുടെ ഒരു കൂട്ടമാണ് മൈക്രോപ്ലോക്ക് സ്പീച്ച് പ്ലാറ്റ്ഫോം.

പ്രവർത്തിക്കാൻ സംഭാഷണ സിന്തസൈസർ, നിങ്ങൾ ഇൻസ്റ്റാൾ ചെയ്യണം:

  1. പ്ലാറ്റ്ഫോമിന്റെ സെർവർ സൈഡ്, മൈക്രോസോഫ്റ്റ് സ്പീച്ച് പ്ലാറ്റ്ഫോം - റൺടൈം - പ്രോഗ്രാമുകൾക്കായുള്ള API (x86_SpeechPlatformRuntime SpeechPlatformRuntime.msi ഫയൽ) നൽകുന്നു.
  2. Microsoft Speech Platform - റൺ ഭാഷകൾ - സെർവർ സൈറ്റിനുള്ള ഭാഷകൾ. നിലവിൽ 26 ഭാഷകളുണ്ട്. വഴി, ഒരു റഷ്യൻ ഉണ്ട് - എലീന ശബ്ദം (ഫയൽ നാമം "MSSpeech_TTS_" ആരംഭിക്കുന്നു ...).

ശബ്ദത്തിലൂടെ ടെക്സ്റ്റ് വായിക്കുന്നതിനുള്ള പ്രോഗ്രാമുകൾ

IVONA റീഡർ

വെബ്സൈറ്റ്: ivona.com

ടെക്സ്റ്റിന്റെ ശബ്ദത്തിനുള്ള മികച്ച പ്രോഗ്രാമുകളിൽ ഒന്ന്. Txt ഫോർമാറ്റിൽ ലളിതമായ ഫയലുകൾ മാത്രമല്ല, വാർത്തകൾ, RSS, ഇന്റർനെറ്റിലെ ഏതെങ്കിലും വെബ് പേജുകൾ, ഇ-മെയിൽ തുടങ്ങിയവ വായിക്കാൻ നിങ്ങളുടെ PC അനുവദിക്കുന്നു.

ഇതുകൂടാതെ, ഒരു MP3 ഫയൽ (അത് ഏത് ഫോണിലേക്കോ അല്ലെങ്കിൽ MP3 പ്ലെയറിലേക്കോ ഡൌൺലോഡ് ചെയ്ത്, യാത്രയ്ക്കിടെ കേൾക്കാനാകും, ഉദാഹരണമായി) ടെക്സ്റ്റ് പരിവർത്തനം ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു. അതായത് നിങ്ങൾക്ക് ഓഡിയോ പുസ്തകങ്ങൾ സ്വയം സൃഷ്ടിക്കാൻ കഴിയും!

നാലാം പരിപാടിയുടെ ശബ്ദങ്ങൾ യഥാർഥത്തിൽ വളരെ സാമ്യമുള്ളതാണ്, ഉച്ചാരണം മതിയായതല്ല, അവ വികലമാവുകയില്ല. ഒരു വിദേശ ഭാഷ പഠിക്കുന്നവർക്ക് ഈ പ്രോഗ്രാം ഉപയോഗപ്രദമാകും. അതിന് നന്ദി, ആ വാക്കുകളേയോ മറ്റ് വാക്കുകളേയോ കൃത്യമായ ഉച്ചാരണം നിങ്ങൾക്ക് കേൾക്കാവുന്നതാണ്.

ഇത് SAPI5 പിന്തുണയ്ക്കുന്നു, കൂടാതെ ഇത് ബാഹ്യ ആപ്ലിക്കേഷനുകൾ ഉപയോഗിച്ച് നന്നായി പ്രവർത്തിക്കുന്നു (ഉദാഹരണത്തിന്, ആപ്പിൾ ഐട്യൂൺസ്, സ്കൈപ്പ്).

ഉദാഹരണം (എന്റെ സമീപകാല ലേഖനങ്ങളിൽ ഒന്ന് എഴുതുക)

മിനെസുകളിൽ: ചില അപരിചിതമായ വാക്കുകൾ അനുചിതമായ ഉച്ചാരണപ്രാധാരണത്തോടെ വായിക്കുന്നു. പൊതുവായി പറഞ്ഞാൽ, ഒരു ചരിത്രഗ്രന്ഥത്തിൽ നിന്നുള്ള ഒരു ഖണ്ഡികയിൽ നിങ്ങൾ ഒരു ഉപന്യാസത്തിലേക്കോ, ഒരു പാഠത്തിലേക്കോ പോകുമ്പോൾ മതി, അത് മോശമല്ല.

ബാലബോൽക്ക

വെബ്സൈറ്റ്: cross-plus-a.ru/balabolka.html

പ്രോഗ്രാം "ബാലബോൾക" പ്രധാനമായും ഉച്ചത്തിൽ ടെക്സ്റ്റ് ഫയലുകൾ വായിക്കാൻ ഉദ്ദേശിച്ചുള്ളതാണ്. പ്ലേ ചെയ്യുന്നതിന്, പ്രോഗ്രാം, വോയ്സ് എഞ്ചിനുകൾ (സ്പീച്ച് സിന്തസൈസറുകൾ) കൂടാതെ നിങ്ങൾക്ക് ആവശ്യമുണ്ട്.

ഏതെങ്കിലും മൾട്ടിമീഡിയ പ്രോഗ്രാമിൽ ("play / pause / stop") കാണപ്പെടുന്നവയ്ക്ക് സമാനമായ സ്റ്റാൻഡേർഡ് ബട്ടണുകൾ ഉപയോഗിച്ച് സംഭാഷണം പ്ലേബാക്ക് നിയന്ത്രിക്കാനാകും.

പ്ലേബാക്ക് ഉദാഹരണം (ഒരേ)

ബാക്ക്ട്രെയിസ്കൊണ്ടു്: ചില അപരിചിതമായ വാക്കുകൾ തെറ്റ് വായിക്കുന്നു: സമ്മർദ്ദം, സംവേദനം. ചില സമയങ്ങളിൽ ഇത് വിരാമ ചിഹ്നങ്ങൾ ഒഴിവാക്കുന്നു, വാക്കുകൾക്കിടയിൽ താൽക്കാലികമായി നിർത്തുന്നില്ല. എന്നാൽ പൊതുവേ, നിങ്ങൾക്ക് കേൾക്കാൻ കഴിയും.

വഴി, ശബ്ദ നിലവാരം ശക്തമായി സംഭാഷണ എഞ്ചിനെ ആശ്രയിച്ചിരിക്കുന്നു, അതിനാൽ, ഒരേ പരിപാടിയിൽ, പ്ലേബാക്ക് ശബ്ദം ഗണ്യമായി വ്യത്യാസപ്പെടാം!

ICE പുസ്തകം റീഡർ

വെബ്സൈറ്റ്: ice-graphics.com/ICEReader/IndexR.html

പുസ്തകങ്ങൾക്കൊപ്പം പ്രവർത്തിക്കാനുമുള്ള ഉചിതമായ പ്രോഗ്രാം: വായന, കാറ്റലോയിംഗ്, ആവശ്യമുള്ളവയ്ക്കായി തിരയുന്നവ. മറ്റ് പ്രോഗ്രാമുകൾ (TXT-HTML, HTML-TXT, TXT-DOC, DOC-TXT, PDB-TXT, LIT-TXT , FB2-TXT, മുതലായവ) ഐസിഇ പുസ്തക വായന ഫയൽ ഫോർമാറ്റുകൾ പിന്തുണയ്ക്കുന്നു:. LIT, .CHM, .ePub.

ഇതുകൂടാതെ, ഐസിഇ ബുക്ക് റീഡർ വായിക്കാൻ മാത്രമല്ല, മികച്ച ഒരു ഡെസ്ക്ടോപ്പ് ലൈബ്രറിയും അനുവദിക്കുന്നു:

  • ശേഖരിക്കാനും പ്രോസസ്സ് ചെയ്യാനും കാറ്റലോഗ് പുസ്തകങ്ങൾ (250 മില്ല്യൻ പകർപ്പുകൾ വരെ) അനുവദിക്കുന്നു.
  • നിങ്ങളുടെ ശേഖരത്തിന്റെ സ്വയമേ ഓർഡർ ചെയ്യൽ;
  • നിങ്ങളുടെ "ഡംപ്" പുസ്തകത്തിൽ പെട്ടെന്ന് തിരയാവുന്നതാണ് (പ്രത്യേകിച്ച് പ്രധാനപ്പെട്ടവ നിങ്ങൾക്ക് കാറ്റഗറിയിൽ അല്ലാത്ത സാഹിത്യത്തിൽ ധാരാളം ഉണ്ടെങ്കിൽ);
  • ഐസിഇ ബുക്ക് റീഡർ ഡാറ്റാബേസ് എഞ്ചിൻ ഇത്തരത്തിലുള്ള മിക്ക പരിപാടികളിലും മികച്ചതാണ്.

ശബ്ദഗ്രന്ഥങ്ങളാൽ ശബ്ദമുണ്ടാക്കാനും പ്രോഗ്രാം നിങ്ങളെ അനുവദിക്കുന്നു.

ഇതിനായി, പ്രോഗ്രാം ക്രമീകരണങ്ങളിലേക്ക് പോയി രണ്ട് ടാബുകൾ കോൺഫിഗർ ചെയ്യുക: "മോഡ്" (ശബ്ദത്തിലൂടെ വായന തിരഞ്ഞെടുക്കുക), "മോഡ് ഓഫ് സ്പീച്ച് സിന്തസിസ്" (സ്പീച്ച് എഞ്ചിൻ സെലക്ട് തിരഞ്ഞെടുക്കുക).

Talker

വെബ്സൈറ്റ്: vector-ski.ru/vecs/govorilka/index.htm

"Talker" എന്ന പ്രോഗ്രാമിന്റെ പ്രധാന സവിശേഷതകൾ:

  • വോയ്സിലൂടെ വാചകം വായിക്കുന്നത് (പ്രമാണങ്ങൾ txt, doc, rtf, html മുതലായവ തുറക്കുന്നു);
  • ഒരു വേറിട്ട വേഗതയിൽ ഫോർമാറ്റുകളിലുള്ള (* .wav, *. mp3) പാഠത്തിൽ നിന്ന് റെക്കോർഡ് ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു. ഒരു ഇലക്ട്രോണിക് ഓഡിയോ ബുക്ക് സൃഷ്ടിക്കുക;
  • നല്ല വായനാ സ്പീഡ് കൺട്രോൾ ഫംഗ്ഷനുകൾ;
  • യാന്ത്രിക സ്ക്രോൾ;
  • പദാവലികൾ നിവർത്തിക്കുന്നതിനുള്ള കഴിവ്;
  • ഡിഒഎസ് തവണകളിൽ പഴയ ഫയലുകൾ പിന്തുണയ്ക്കുന്നു (പല ആധുനിക പ്രോഗ്രാമുകളും ഈ എൻകോഡിംഗിൽ ഫയലുകൾ വായിക്കാൻ കഴിയില്ല);
  • ഫയലിന്റെ വലുപ്പം പ്രോഗ്രാമിന് വായിക്കാൻ കഴിയും: 2 ഗിഗാബൈറ്റ് വരെ;
  • ബുക്ക്മാർക്കുകളും നിർമ്മിക്കാനുള്ള കഴിവ്: നിങ്ങൾ പ്രോഗ്രാം പുറത്തുകടക്കുമ്പോൾ, അത് കഴ്സർ നിർത്തിയിരിക്കുന്ന സ്ഥലം സ്വയം ഓർക്കുന്നു.

കലാകാരൻ

വെബ്സൈറ്റ്: sakrament.by/index.html

സൈക്യാമന്റ് ടോക്കറുമൊത്ത്, നിങ്ങളുടെ കമ്പ്യൂട്ടറിനെ സംസാരിക്കുന്ന ഓഡിയോ ബുക്ക് ആക്കി മാറ്റാം! ആർക്കരം ടാഗർ പ്രോഗ്രാം RTF, TXT ഫോർമാറ്റുകൾ പിന്തുണയ്ക്കുന്നു, ഫയൽ സ്വപ്രേരിതമായി എൻകോഡിംഗ് തിരിച്ചറിയാൻ കഴിയും (ഒരുപക്ഷേ, ചില പ്രോഗ്രാമുകൾ വാചകം അല്ലാതെ "cryoscocks" ഉപയോഗിച്ച് ഒരു ഫയൽ തുറക്കാമെന്നത് ചിലപ്പോൾ ശ്രദ്ധിക്കപ്പെട്ടു, അതുകൊണ്ട് ഇത് കലാകാരി ടോക്കറിൽ സാധ്യമല്ല!).

കൂടാതെ, സിക്രംമെൻറ് ടോക്കർ നിങ്ങളെ മതിയായ ഫയലുകൾ പ്ലേ ചെയ്യാൻ അനുവദിക്കുന്നു, ചില ഫയലുകൾ പെട്ടെന്ന് കണ്ടെത്താം. നിങ്ങളുടെ കംപ്യൂട്ടറിൽ നിന്നുമുള്ള ശബ്ദ പാഠം ശ്രദ്ധിക്കുവാൻ മാത്രമല്ല, അതിനെ ഒരു mp3 ഫയൽ ആയി സംരക്ഷിക്കുകയും ചെയ്യാവുന്നതാണ് (അത് ഏത് കളിക്കാരനും ഫോണിലേക്കും പകർത്താനും പിസിയിൽ നിന്ന് ശ്രദ്ധിക്കാനുമാവും).

പൊതുവേ, എല്ലാ പ്രമുഖ വോയിസ് എഞ്ചിനുകളേയും പിന്തുണയ്ക്കുന്ന നല്ല പ്രോഗ്രാമാണിത്.

ഇതാണ് ഇന്ന് എല്ലാത്തിനും. ഇന്നത്തെ പരിപാടികൾ പൂർണ്ണമായി (100% ഗുണപരമായി) വായിക്കാൻ കഴിയാത്തതിനാൽ അത് വായിക്കുന്ന ഒരാൾക്ക് അത് വായിക്കാൻ കഴിയില്ല: ഒരു പരിപാടി അല്ലെങ്കിൽ ഒരു വ്യക്തി ... പക്ഷെ ചില പ്രോഗ്രാമുകൾ ഇതാണ്: കമ്പ്യൂട്ടർ പവർ വളരുന്നു, എൻജിനുകൾ വോള്യം വളരും (കൂടുതൽ പുതിയതും ഏറ്റവും സങ്കീർണ്ണമായ സംഭാഷണ തിരിവുകളും ഉൾപ്പെടെ) - ഇതിനൊപ്പം പ്രോഗ്രാമിൽ നിന്നുള്ള ശബ്ദം സാധാരണ മനുഷ്യ സംഭാഷണങ്ങളിൽ നിന്നും വേർതിരിക്കാൻ കഴിയുകയില്ല എന്ന് അർത്ഥമാക്കുന്നു

ഒരു നല്ല ജോലി നേടുക!

വീഡിയോ കാണുക: ശബരമല വഷതതല. u200d സഷയല. u200dമഡയ ഇടപടലകള പടടകകടടന. u200d പലസ. Sabarimala (മേയ് 2024).