Beginnen Sie mit einem kurzen Drehbuch
Text-zu-Rede akzeptiert getippten Text oder einen Textdatei-Import und bietet eine ausgewählte Stimme oder eine Referenzaufnahme an. Geben Sie ein kurzes Skript ein, wählen Sie die Stimme, bereiten das Modell vor, generieren, hören Sie sich ein verfügbares Exportformat an.
Das aktuelle Skriptlimit beträgt 500 Zeichen. Für eine Referenzstimme begrenzt die Benutzeroberfläche Dateien auf 25 MB und benötigt mindestens drei Sekunden. Referenzen, die länger als 15 Sekunden sind, werden vor der Kodierung auf einen mittleren 12-Sekunden-Auszug reduziert. Dies sind Implementierungsgrenzen, keine empfohlenen maximalen Längen für jeden Sprachdienst.
Verwenden Sie eine klare Referenz mit einem Lautsprecher, mit der Erlaubnis, diese Stimme zu verwenden. Referenzkonditionierung garantiert keine exakte Identität oder identische Aussprache. Verwenden Sie es nicht, um jemanden täuschend zu imitieren.
Wie Sprache erzeugt wird
Sprache wird erzeugt mit Pocket TTS unter Verwendung der ausgewählten Stimme oder Referenzaufnahme. Referenzaudio wird auf Mono gemischt und auf 24 kHz neu gesampelt, bevor eine Spracheinbettung vorbereitet wird. Der Text und die gewählte Einbettung leiten die erzeugte Sprache.
Vorbereitung, Sprachkodierung, Synthese und Export sind getrennte Phasen. Beginnen Sie mit einem kurzen Test und inspizieren Sie das vollständige Ergebnis, bevor Sie es in einem längeren Projekt verwenden.
Die Benutzeroberfläche der Website garantiert nicht, dass das geladene Sprachmodell diese Sprache gut spricht. Überprüfen Sie die Aussprache mit einem kurzen Test, insbesondere Namen, Zahlen und nicht-englischen Texten. Diese Seite bietet nicht denselben SSML-Steuerungs- oder Langdokumentdienst wie eine Cloud-Sprach-API.
Vergleiche, woher die Stimme kommt
| Dienst | Sprachquelle | Verarbeitungs- und Exportunterscheidung |
|---|---|---|
| Mediatavio | Pocket TTS Synthese mit ausgewählter oder referenzbedingter Stimme | Kurz-Skript-Erstellung mit Referenz-Stimmen-Vorbereitung, Vorschau und Export |
| VoiceGenerator.io | Die integrierten Synthesestimmen des Browsers für die Wiedergabe | Auf der offiziellen Seite steht, dass heruntergeladenes Audio einen externen TTS-Server verwendet und sich von der Vorschaustimme unterscheiden kann |
| Azure Speech / Speech Studio | Dokumentierte neuronale Stimmen und unterstützte benutzerdefinierte Stimm-Workflows | Cloud-Dienst mit Ressourceneinrichtung, SDK/API und No-Code Audio Content Creation; SSML und Sprachunterstützung hängen von der Stimme ab |
Die verlinkten offiziellen Seiten legen diese Unterschiede im Arbeitsablauf fest. Es wurde kein Hörpanel, kein Aussprachebenchmark oder Latenztest durchgeführt. Der benutzerdefinierte Sprachzugriff, die Preisgestaltung und die Sprachrechte müssen separat überprüft werden; Die verfügbare Stimme eines Anbieters ist keine Erlaubnis, eine andere Person zu imitieren.
Überprüfen Sie die gesamte generierte Aufnahme
Behalten Sie beim Vergleich der Dienste denselben Text und die vorgesehene Sprache. Überprüfe Aussprache, Weglassen, wiederholte Phrasen, Pausen und Clipping, nicht nur den ersten Satz. Wenn eine Vorschau und ein Download unterschiedliche Engines verwenden, vergleichen Sie die heruntergeladenen Dateien, anstatt davon auszugehen, dass die Vorschau die endgültige Stimme darstellt.
Bewahre das Originalskript und die Zustimmung zur Referenz. Um eine bereits gesprochene Darbietung zu konvertieren, anstatt neue Wörter aus Text zu generieren, verwenden Sie Stimmwechsler; Das sind unterschiedliche Aufgaben.