Auch Sprachsynthese braucht professionelle Sprecher

Stephen Potter berichtet über einen Artikel, in dem über eine Firma berichtet wird, die professionelle Sprecher für Sprachcomputer vermittelt, so daß auch die eines Sprachcomputersystems das gewünschte Image vermittelt.

Das sind "klassische" Sprachcomputer-Systeme, in denen die Sprachausgaben als ganze Sätze vorliegen ("Canned Speech" Systeme), und in dem Artikel wird auch die Frage aufgeworfen, ob professionelle Sprecher bei einem Fortschreiten der Sprachsynthese-Technologie (Text-to-Speech, TTS) überflüssig werden.

Ich denke, das wird so schnell nicht passieren, da gängige Text-to-Speech-Systeme ihre Äusserungen aus kleinen Stückchen (von einzelnen Lauten bis ganzen Wörtern) von Sprachaufnahmen menschlicher Sprecher zusammengesetzen (Unit-Selection-Synthese). Die Stückchen werden natürlich angepasst und digital gefiltert und bearbeitet, dass man keine Knackser hört und auch die Intonation von Wörtern und Sätzen stimmt, aber das Grundmaterial ist Sprache von richtigen Menschen.

Deswegen brauchen auch die Entwickler von Text-to-Speech-Systemen professionelle Sprecher für ihre Bausteine. Ich denke auch, dass man die Stimme des Sprechers auch wiedererkennen kann, so dass die Eigenschaften einer Stimme, die für ein Image relevant sind, auch in einem TTS-Systemen durch die Auswahl des Sprechers kommen.

Vollsynthetische Sprache hört sich immer noch katastrophal an, und weil die Forschung sich auf die oben beschriebene konkatenative Synthese konzentriert, wird das auch noch sehr lange so bleiben.

Deshalb braucht man auch dann, wenn sich Sprachsynthese für Sprachanwendungen durchsetzt, immer noch professionelle Sprecher.