సెల్ఫ్ డబ్బింగ్: వాయిస్ రీడింగ్ ప్రోగ్రామ్స్

స్వాగతం!

"బ్రెడ్ శరీరానికి ఆహారం ఇస్తుంది, మరియు పుస్తకం మనసుకు ఆహారం ఇస్తుంది" ...

ఆధునిక మనిషి యొక్క అత్యంత విలువైన సంపదలలో పుస్తకాలు ఒకటి. పురాతన కాలంలో పుస్తకాలు కనిపించాయి మరియు చాలా ఖరీదైనవి (ఆవుల మంద కోసం ఒక పుస్తకం మార్పిడి చేసుకోవచ్చు!). ఆధునిక ప్రపంచంలో, పుస్తకాలు అందరికీ అందుబాటులో ఉన్నాయి! వాటిని చదవడం, మేము మరింత అక్షరాస్యులు అవుతాము, అవధులు అభివృద్ధి చెందుతాయి, చాతుర్యం. వాస్తవానికి, ఒకరికొకరు ప్రసారం చేయడానికి ఇంకా పరిపూర్ణమైన జ్ఞాన వనరులతో ముందుకు రాలేదు!

కంప్యూటర్ టెక్నాలజీ అభివృద్ధితో (ముఖ్యంగా గత 10 సంవత్సరాల్లో) - పుస్తకాలను చదవడం మాత్రమే కాదు, వాటిని వినడం కూడా సాధ్యమైంది (అనగా, మీరు వాటిని మగ లేదా ఆడ అనే ప్రత్యేక కార్యక్రమంతో చదవవలసి ఉంటుంది). వాయిస్ నటన కోసం సాఫ్ట్‌వేర్ సాధనాల గురించి నేను మీకు చెప్పాలనుకుంటున్నాను.

సాధ్యమైన రికార్డింగ్ సమస్యలు

ప్రోగ్రామ్‌ల జాబితాకు వెళ్లేముందు, నేను ఒక సాధారణ సమస్యపై నివసించాలనుకుంటున్నాను మరియు ఒక ప్రోగ్రామ్ వచనాన్ని చదవలేనప్పుడు కేసులను పరిగణించాలనుకుంటున్నాను.

వాస్తవం ఏమిటంటే వాయిస్ ఇంజన్లు ఉన్నాయి, అవి వేర్వేరు ప్రమాణాలు కలిగి ఉంటాయి: SAPI 4, SAPI 5 లేదా మైక్రోసాఫ్ట్ స్పీచ్ ప్లాట్‌ఫాం (టెక్స్ట్ ప్లేబ్యాక్ కోసం చాలా ప్రోగ్రామ్‌లలో ఈ సాధనం యొక్క ఎంపిక ఉంది). కాబట్టి, వాయిస్ ద్వారా చదవడానికి ప్రోగ్రామ్‌తో పాటు, మీకు ఇంజిన్ అవసరం (ఇది మీరు ఏ భాషలో చదవబడుతుందో దానిపై ఆధారపడి ఉంటుంది, ఏ గొంతులో: మగ లేదా ఆడ, మొదలైనవి).

స్పీచ్ ఇంజన్లు

ఇంజన్లు ఉచితం మరియు వాణిజ్యంగా ఉంటాయి (సహజంగా, వాణిజ్య ఇంజన్లు ఉత్తమ ధ్వని నాణ్యతను అందిస్తాయి).

SAPI 4. పాత సాధన సంస్కరణలు. ఆధునిక PC ల కోసం, కాలం చెల్లిన సంస్కరణలను ఉపయోగించమని సిఫార్సు చేయబడలేదు. SAPI 5 లేదా Microsoft Speech Platform ను బాగా చూడండి.

SAPI 5. ఆధునిక స్పీచ్ ఇంజన్లు, ఉచిత మరియు చెల్లింపు రెండూ ఉన్నాయి. ఇంటర్నెట్‌లో మీరు డజన్ల కొద్దీ SAPI 5 స్పీచ్ ఇంజిన్‌లను కనుగొనవచ్చు (ఆడ మరియు మగ స్వరాలతో).

మైక్రోసాఫ్ట్ స్పీచ్ ప్లాట్‌ఫాం అనేది వివిధ అనువర్తనాల డెవలపర్‌లను వాటిలో వచనాన్ని వాయిస్‌గా మార్చగల సామర్థ్యాన్ని అమలు చేయడానికి అనుమతించే సాధనాల సమితి.

స్పీచ్ సింథసైజర్ పనిచేయడానికి, మీరు ఇన్‌స్టాల్ చేయాలి:

1. మైక్రోసాఫ్ట్ స్పీచ్ ప్లాట్‌ఫాం - రన్‌టైమ్ - ప్రోగ్రామ్‌ల కోసం API ని అందించే ప్లాట్‌ఫామ్ యొక్క సర్వర్ భాగం (ఫైల్ x86_SpeechPlatformRuntime SpeechPlatformRuntime.msi).
2. మైక్రోసాఫ్ట్ స్పీచ్ ప్లాట్‌ఫాం - రన్‌టైమ్ లాంగ్వేజెస్ - సర్వర్ వైపు భాషలు. ప్రస్తుతం 26 భాషలు ఉన్నాయి. మార్గం ద్వారా, రష్యన్ - ఎలెనా యొక్క వాయిస్ కూడా ఉంది (ఫైల్ పేరు "MSSpeech_TTS_" తో మొదలవుతుంది ...).

వాయిస్ ద్వారా వచనాన్ని చదవడానికి కార్యక్రమాలు

ఐవోనా రీడర్

వెబ్‌సైట్: ivona.com

అదనంగా, ఇది వచనాన్ని mp3 ఫైల్‌గా మార్చడానికి మిమ్మల్ని అనుమతిస్తుంది (మీరు ఏ ఫోన్ లేదా mp3 ప్లేయర్‌కు అయినా డౌన్‌లోడ్ చేసుకోవచ్చు మరియు ప్రయాణంలో వినవచ్చు, ఉదాహరణకు). అంటే మీరు మీరే ఆడియో పుస్తకాలను సృష్టించవచ్చు!

IVONA ప్రోగ్రామ్ యొక్క స్వరాలు నిజమైన వాటికి చాలా పోలి ఉంటాయి, ఉచ్చారణ తగినంత చెడ్డది కాదు, అవి తడబడవు. మార్గం ద్వారా, ఈ కార్యక్రమం విదేశీ భాషను అభ్యసించే వారికి ఉపయోగపడుతుంది. ఆమెకు ధన్యవాదాలు, మీరు కొన్ని పదాలు, మలుపులు సరైన ఉచ్చారణను వినవచ్చు.

ఇది SAPI5 కి మద్దతు ఇస్తుంది, అంతేకాకుండా ఇది బాహ్య అనువర్తనాలతో బాగా సహకరిస్తుంది (ఉదాహరణకు, ఆపిల్ ఐట్యూన్స్, స్కైప్).

ఉదాహరణ (నా ఇటీవలి వ్యాసంలో ఒక పోస్ట్)

మైనస్‌లలో: అతను తెలియని కొన్ని పదాలను సరికాని ఒత్తిడి మరియు శబ్దంతో చదువుతాడు. మొత్తంగా, మీరు ఉపన్యాసం / పాఠానికి వెళ్ళేటప్పుడు చరిత్రకు సంబంధించిన పుస్తకం నుండి ఒక పేరా వినడం చెడ్డది కాదు - అంతకన్నా ఎక్కువ!

Chatterbox

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

ఏదైనా మల్టీమీడియా ప్రోగ్రామ్‌లో (“ప్లే / పాజ్ / స్టాప్”) ఉన్న మాదిరిగానే ప్రామాణిక బటన్లను ఉపయోగించి స్పీచ్ ప్లేబ్యాక్‌ను నియంత్రించవచ్చు.

ప్లేబ్యాక్ ఉదాహరణ (అదే)

కాన్స్: తెలియని కొన్ని పదాలు తప్పుగా చదవబడతాయి: ఒత్తిడి, శబ్దం. కొన్నిసార్లు, విరామచిహ్నాలను దాటవేస్తుంది మరియు పదాల మధ్య విరామం ఇవ్వదు. కానీ సాధారణంగా, మీరు వినవచ్చు.

మార్గం ద్వారా, ధ్వని నాణ్యత స్పీచ్ ఇంజిన్‌పై ఎక్కువగా ఆధారపడి ఉంటుంది, కాబట్టి, అదే ప్రోగ్రామ్‌లో, ప్లేబ్యాక్ ధ్వని గణనీయంగా తేడా ఉంటుంది!

ICE బుక్ రీడర్

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

పుస్తకాలతో పనిచేయడానికి ఒక అద్భుతమైన ప్రోగ్రామ్: చదవడం, జాబితా చేయడం, సరైనదాన్ని శోధించడం మొదలైనవి. ఇతర ప్రోగ్రామ్‌లు చదవగలిగే ప్రామాణిక పత్రాలతో పాటు (TXT-HTML, HTML-TXT, TXT-DOC, DOC-TXT, PDB-TXT, LIT-TXT , FB2-TXT, మొదలైనవి) ICE బుక్ రీడర్ ఫైల్ ఫార్మాట్‌లకు మద్దతు ఇస్తుంది: .LIT, .CHM మరియు .ePub.

అదనంగా, ICE బుక్ రీడర్ చదవడానికి మాత్రమే కాకుండా, అద్భుతమైన డెస్క్‌టాప్ లైబ్రరీని కూడా అనుమతిస్తుంది:

• పుస్తకాలను నిల్వ చేయడానికి, ప్రాసెస్ చేయడానికి, కేటలాగ్ చేయడానికి మిమ్మల్ని అనుమతిస్తుంది (250,000 వేల కాపీలు వరకు!);
• మీ సేకరణను స్వయంచాలకంగా నిర్వహిస్తుంది
• మీ "డంప్" నుండి పుస్తకం యొక్క శీఘ్ర శోధన (మీకు జాబితా చేయని సాహిత్యం చాలా ఉంటే చాలా ముఖ్యం);
• ICE బుక్ రీడర్ డేటాబేస్ యొక్క కోర్ ఈ రకమైన చాలా ప్రోగ్రామ్‌ల కంటే గొప్పది.

ప్రోగ్రామ్ వాయిస్‌లో పాఠాలను వినిపించడానికి కూడా మిమ్మల్ని అనుమతిస్తుంది.

దీన్ని చేయడానికి, ప్రోగ్రామ్ సెట్టింగులకు వెళ్లి రెండు ట్యాబ్‌లను సెటప్ చేయండి: “మోడ్” (వాయిస్ రీడింగ్ ఎంచుకోండి) మరియు “స్పీచ్ సింథసిస్ మోడ్” (స్పీచ్ ఇంజిన్‌ను ఎంచుకోండి).

Govorilka

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

"టాకర్" ప్రోగ్రామ్ యొక్క ముఖ్య లక్షణాలు:

• వాయిస్ ద్వారా వచనాన్ని చదవడం (పత్రాలు txt, doc, rtf, html, మొదలైనవి తెరుస్తుంది);
• పెరిగిన వేగంతో పుస్తకం నుండి ఫార్మాట్లకు (* .WAV, * .MP3) వచనాన్ని వ్రాయడానికి మిమ్మల్ని అనుమతిస్తుంది - అనగా. ముఖ్యంగా ఎలక్ట్రానిక్ ఆడియో పుస్తకాన్ని సృష్టించడం;
• పఠన వేగాన్ని సర్దుబాటు చేయడానికి మంచి విధులు;
• ఆటో స్క్రోల్;
• ఉచ్చారణ నిఘంటువులను తిరిగి నింపే అవకాశం;
• DOS సార్లు నుండి పాత ఫైళ్ళకు మద్దతు ఇస్తుంది (చాలా ఆధునిక ప్రోగ్రామ్‌లు ఈ ఎన్‌కోడింగ్‌లో ఫైల్‌లను చదవలేవు);
• ప్రోగ్రామ్ టెక్స్ట్ చదవగల ఫైల్ పరిమాణం: 2 గిగాబైట్ల వరకు;
• బుక్‌మార్క్‌లను చేయగల సామర్థ్యం: మీరు ప్రోగ్రామ్ నుండి నిష్క్రమించినప్పుడు, కర్సర్ ఆగిన స్థలాన్ని ఇది స్వయంచాలకంగా గుర్తుంచుకుంటుంది.

మతకర్మ టాకర్

వెబ్‌సైట్: sakrament.by/index.html

సాక్రమెంట్ టాకర్‌తో, మీరు మీ కంప్యూటర్‌ను "మాట్లాడే" ఆడియో పుస్తకంగా మార్చవచ్చు! సాక్రమెంట్ టాకర్ ప్రోగ్రామ్ RTF మరియు TXT ఫార్మాట్‌లకు మద్దతు ఇస్తుంది, ఇది స్వయంచాలకంగా ఫైల్ యొక్క ఎన్‌కోడింగ్‌ను గుర్తించగలదు (కొన్ని ప్రోగ్రామ్‌లు టెక్స్ట్‌కు బదులుగా “క్రాక్” తో ఫైల్‌ను తెరుస్తాయని మీరు కొన్నిసార్లు గమనించవచ్చు, కానీ సాక్రమెంట్ టాకర్‌లో ఇది అసాధ్యం!).

అదనంగా, సాక్రమెంట్ టాకర్ చాలా పెద్ద ఫైళ్ళను ప్లే చేయడానికి, కొన్ని ఫైళ్ళను త్వరగా కనుగొనటానికి మిమ్మల్ని అనుమతిస్తుంది. గాత్రదానం చేసిన వచనాన్ని కంప్యూటర్‌లో మాత్రమే వినలేరు, కానీ ఒక mp3 ఫైల్‌లో కూడా సేవ్ చేయవచ్చు (ఇది తరువాత ఏదైనా ప్లేయర్ లేదా ఫోన్‌కు కాపీ చేసి పిసికి దూరంగా వినవచ్చు).

సాధారణంగా, అన్ని ప్రసిద్ధ వాయిస్ ఇంజిన్‌లకు మద్దతు ఇచ్చే మంచి ప్రోగ్రామ్.

ఈ రోజుకు అంతే. నేటి ప్రోగ్రామ్‌లు ఇంకా పూర్తిగా (100% గుణాత్మకంగా) ఒక వచనాన్ని చదవలేవు, తద్వారా ఎవరు చదివారో ఎవరు నిర్ణయించలేరు: ఒక ప్రోగ్రామ్ లేదా ఒక వ్యక్తి ... కానీ ఏదో ఒక రోజు ప్రోగ్రామ్‌లు ఈ దశకు చేరుకుంటాయని నేను నమ్ముతున్నాను: కంప్యూటర్ల శక్తి పెరుగుతాయి, ఇంజిన్లు వాల్యూమ్‌లో పెరుగుతాయి (ప్రసంగం యొక్క మరింత క్లిష్టమైన మలుపులతో సహా) - అంటే ప్రోగ్రామ్ నుండి వచ్చే శబ్దం సాధారణ మానవ ప్రసంగం నుండి వేరు చేయబడదు?!

మంచి పని చేయండి!