Два вида голосов
В этом сервисе преобразования текста в речь есть два источника голосов, и стоит понимать, чем они отличаются.
- Голоса браузера встроены в вашу операционную систему или браузер. Они запускаются мгновенно и подходят, чтобы прослушать текст. Их количество и качество зависят от устройства: в Windows, macOS, Android и iOS свои наборы. Большинство браузеров не позволяют записывать эти голоса, поэтому их можно только слушать.
- Нейросетевые голоса — это современные модели речи, которые страница загружает один раз, а затем запускает на вашем устройстве. Они звучат естественнее, с более точным ритмом и интонацией, и их можно сохранить в аудиофайл. Доступно множество языков, а мужские и женские голоса есть там, где их предусматривает модель.
Ваш текст не отправляется на сервер для синтеза речи. Нейросетевой голос рассчитывается в браузере, поэтому после загрузки модели он работает и без интернета.
Когда вы впервые выбираете нейросетевой голос, загружается его модель. Модель голоса может занимать десятки мегабайт, поэтому при медленном соединении первый запуск займёт некоторое время; потом голос будет запускаться быстро. Озвучивание длинного текста тоже требует времени, так как каждое предложение рассчитывается на вашем устройстве, а на компьютере это заметно быстрее, чем на телефоне. Сначала попробуйте короткий абзац, чтобы подобрать голос и скорость, а затем озвучьте весь текст.
Как добиться естественного звучания
- Расставляйте знаки препинания. Запятые и точки создают паузы. Длинное предложение без запятых читается на одном дыхании.
- Записывайте числа так, как их нужно произнести, если голос читает их неверно: например, «две тысячи двадцать шестой» вместо года цифрами. Аббревиатуры тоже можно расписать.
- Разбивайте длинные тексты на абзацы. После каждого абзаца будет естественная пауза.
- Выбирайте голос для нужного языка. Английский голос, читающий французский текст, будет звучать неправильно, даже если буквы совпадают.
- Настройте скорость. 0,8–0,9 хорошо подходит для изучения языков и диктовки, 1,1–1,3 — для прослушивания длинных статей.
Для чего это используют
Для озвучки коротких видео и слайдов, прослушивания статей и конспектов вместо чтения, проверки произношения слов на иностранном языке, создания аудиообъявлений, а также для людей с трудностями при чтении или уставшими глазами. Если хотите, чтобы речь звучала как записанная в помещении, добавьте лёгкую реверберацию. Чтобы наложить голос на фоновую музыку, воспользуйтесь инструментом Микшер аудио.
Речь в текст
Нужно обратное преобразование? MP3 в текст превращает запись в письменный текст с временными метками, тоже прямо на вашем устройстве.
Если вы планируете использовать созданную озвучку в коммерческом проекте, сначала проверьте лицензию на модель голоса: условия для разных голосов отличаются.