Mulți creatori de conținut video (și audio) care, poate, nu au o voce atât de… melodioasă (sau, să-i spunem, comercială) doresc să folosească în clipurile lor un generator de voce A.I. pentru a crea voice-over-uri de calitate, pentru a-și transforma postările de pe blog în videoclipuri sau podcasturi și pentru alte proiecte similare.
Alegerea unui generator de voce cât mai bun este esențială, de aceea, cele 7 instrumente text-to-speech de mai jos te vor ajuta să economisești timp, mult timp, oferindu-ți în același timp, o calitate incredibilă a transformării textului în fișiere audio care reproduc aproape la perfecțiune vocea umană, astfel că va fi greu, dacă nu imposibil, ca follower-ii tăi să realizeze faptul că ai folosit, de fapt, un generator text-to-speech.
Chiar dacă momentan vocile de limbă română nu se ridică la calitatea celor de limbă engleză, franceză, spaniolă, etc, (și nici nu sunt atât de variate) vei găsi unele care sună foarte bine. Și nu uita că în zona A.I. progresele sunt fantastic de rapide, așa încât vom avea cât de curând și mai multe voci românești din care să alegem, în așa fel încât proiectele noastre să nu pară narate, ca pe vremuri, de cele 2-3 voci de la Teleenciclopedia.
Ce este un soft text-to-speech?
Text-to-speech (TTS) este o tehnologie A.I. menită să citească textul cu voce tare. Sunetul pe care îl auzim în urma utilizării soluțiilor TTS este generat de un program, iar noi putem controla viteza de citire prin accelerarea sau încetinirea acesteia, tonul citirii, pronunția, etc.
Calitatea vocii generate poate varia în funcție de soluția pe care o folosești. Unele programe folosesc voci umane, alte soluții mai avansate (de regulă, premium), folosesc vocile unor naratori de renume, precum David Attenborough și Morgan Freeman.
Aceste soft-uri pot face chiar ca sunetul să fie similar cu cel al unui copil. Multe instrumente evidențiază, de asemenea, textul pe care îl citesc, în special în cazul cititoarelor de pagini web online și chiar în cazul cărților audio.
Una dintre întrebările care se pun este cum putem utiliza software-ul text-to-speech? Există mai multe moduri: unele instrumente extrag cuvintele dintr-un document digital sau dintr-o pagină web online și le citesc pentru utilizatori. Altele pot chiar să transforme textul scris de mână în vorbire folosind tehnologii avansate precum recunoașterea optică a caracterelor (OCR).
Software-ul text-to-speech este disponibil pe o gamă largă de dispozitive, funcționând la fel de bine pe laptopuri, computere, tablete și smartphone-uri.
Majoritatea soluțiilor text-to-speech funcționează în mod similar. Utilizatorii fie încarcă un fișier text, fie introduc manual textul pe care trebuie să-l convertească în voce. După aceea, ei selectează din vocile disponibile, alegând-o pe cea mai pretabilă și generează un fișier audio pe care apoi îl pot descărca și folosi în proiectele lor.
Cele mai bune generatoare A.I. text-to-speech
Murf
Murf este unul dintre cele mai bune generatoare de voce text-to-speech pentru crearea de voiceover-uri de calitate. Îl poți utiliza pentru a genera voci pe care să le folosești în videoclipuri, podcasturi și prezentări profesionale. Vine cu peste 100 de voci distincte și suportă 20 de limbi, lista limbilor și a vocilor distincte crescând în mod constant. Pentru limba română există două voci: una feminină (Cristina, middle-aged), una masculină (Adrian, young adult) – ambele disponibile în planul Pro, cele mai bune variante de voci românești pe care le-am întâlnit la instrumentele text-to-speech testate.
Murf utilizează algoritmi AI de ultimă generație pentru a genera voce. Datorită acestora, instrumentul poate regenera discursul pe tonul potrivit, ținând cont de punctuații precum semnele de întrebare și semnele de exclamare.
De asemenea, Murf dispune de un excelent editor audio, ușor de utilizat inclusiv de către începători. În plus, acesta îți permite să-l sincronizezi perfect cu videoclipuri, muzică sau imagini.
Ai controlul de a modifica tonul, punctuația și accentul, lucru care te ajută să-ți comunici mai departe mesajul într-un mod personalizat, după bunul plac.
Iar altă excelentă caracteristică o constituie asistentul gramatical, care facilitează crearea de scenarii corecte din punct de vedere gramatical, sporind calitatea voice-over-ului.
Una peste alta, pe site-ul Murf găsești 5 produse interesante și foarte utile, bazate pe voce AI:
- Text to Speech
- Clonarea vocii
- Voice over video
- Voice over Google Slides
- Schimbător de voce
Murf are 3 planuri tarifare, la care se adaugă cel gratuit, în care poți încerca instrumentul, fără a avea posibilitatea să descarci fișierele:
Planul Basic costă 29 $ / lună (19 $, dacă plătești pe un an)
Planul Pro costă 39 $ (26 $ la plata anuală)
Planul Enterprise costă 59 $ per user.
Toate aceste planuri includ descărcări nelimitate, dar au limitări diferite legate de perioada de timp totală de folosire, pornind de la 24 de ore de voce pe an, precum și limitări legate de numărul de voci accesibile și numărul de limbi.
Speechelo
Speechelo e un instrument text-to-speech creat de doi români, Mihai Stoica și Christian Vlad, conceput pentru a converti orice tip de text în limbaj vorbit în mod natural, vocile produse semănând foarte mult cu cele umane.
Cele mai bune voci generate de Speechelo sunt cele în limba engleză, dar softul suportă 23 de limbi, inclusiv româna (o singură voce, feminină – Dana), cu voci atât feminine cât și masculine. Marea calitate a lui Speechelo este că nu îți generează voci care vorbesc plictisitor, în așa fel încât să ai sentimentul că îți citește un robot. Poți alege tonul de citire a textului și îi poți adăuga emoții și nuanțe, faapt ce face ca rezultatul să devină mult mai captivant. De asemenea, poți seta respitații, schimbarea vitezei de citire și a tonului, etc. Speechelo propune, de fapt, 3 tonuri pentru citirea textului: normal, vesel și serios.
Speechelo poate fi folosit cu orice software de creare și editare video și este extrem de ușor de folosit: practic, creezi vocea în baza textului introdus, apoi descarci mp3-ul general și îl imporți în editorul video.
Speechelo nu oferă planuri tarifare, lunare și anuale, ci este disponibil ca one-time payment: 47 $ (la ora redactării acestui material) pentru a fi utilizat oricând și fără limite.
Synthesys
Cu Synthesys poți să creezi discursuri care sună perfect natural, în baza unui text introdus. Ai la dispoziție o gamă largă de tonuri, limbi, voci masculine și feminine, viteze de citire. Și e nevoie de numai 3 pași pentru a genera o voce artificială cu sunet natural, care poate fi utilizată pentru o gamă largă de scopuri comerciale.
Pentru început, alege genul, stilul, accentul și tonul pe care vrei să le redea vocea generată. Următorul pas presupune să lipești sau să scrii direct textul pe care dorești să-l convertești în voce în interfața de generare AI de la Synthesys.
Aici poți seta viteza de citire și durata pauzelor. La final, fă clic pe „creați” pentru a genera vocea artificială în câteva minute.
Synthesys e o aplicație în cloud, dispune de peste 35 de voci feminine și 30 de voci masculine și are o interfață foarte prietenoasă. În Synthesys vei descoperi și o serie de voci adaptate pentru diverse activități: de pildă, Norman îți generează o voce pentru trailere de filme, Renee o voce pretabilă pentru un audiobook sau Geralt o voce pentru reclame.
Există 3 planuri tarifare din care poți alege: Human Studio (39 $ / lună), Audio (29 $ / lună) și Audio and Human (59 $ / lună). La plata anuală economisești 20%.
Pe lângă generarea de voci text-to-speech, Synthesys oferă și alte două servicii – AI Video și AI Avatar.
Speechify
Speechify poate transforma textul în orice format într-un discurs care sună natural. Platforma poate prelua PDF-uri, e-mail-uri, documente sau articole și le poate transforma în fișiere audio numai bune de ascultat. Instrumentul îți permite să ajustezi viteza de citire și are peste 30 de voci cu sunet natural, din care poți alege. Printre „vedetele” care și-au împrumutat vocea pentru a genera voci Speechify se numără Gwyneth Paltrow și Snoop Dogg.
Software-ul pe bază de A.I. poate identifica peste 15 limbi diferite atunci când procesează textul și poate converti fără probleme textul tipărit scanat în fișiere audio extrem de clare. Tool-ul are extensii Chrome și Safari, versiuni pentru Android și iOS. Am depistat o singură voce în limba română – Andrei, care sună cam robotic și inconsistent. Cu toate acestea, vocile în engleză se aud foarte bine.
Speechify are o versiune gratuită, care include 10 voci standard, o versiune Premium, de 139 $ pe an (cu acces la toate caracteristicile softului) și o versiune Audiobook, de 199 $ / an (cu acces la peste 60.000 titluri de cărți).
Listnr
Listnr este un alt generator AI de conversie text-to-speech, care poate converti textul în vorbire în diferite formate, cum ar fi selectarea genului, selectarea accentului, pauze și multe altele. De asemenea, instrumentul permite să obții propriul player audio personalizabil, pe care îl poți folosi apoi pentru a-l încorpora în blogul sau site-ul tău, ca versiune audio.
Unul dintre cele mai bune lucruri de remarcat la Listnr este gradul de personalizare pentru fiecare user în parte și pentru preferințele acestuia. Listnr este un excelent instrument pentru podcasting, deoarece te poate ajuta să monetizezi conținutul prin publicitate. Generatorul text-to-speech poate fi folosit pentru a distribui și converti audio cu drepturi de difuzare comercială pe platformele de streaming de top precum Spotify și Apple.
Listnr suportă peste 17 limbi și poate converti postările de pe blog în diverse dialecte. Pentru limba română, dispune de cinci voci: 3 sunt incluse în versiunea free (celebra Carmen și alte două) și două în versiunea Pro (Alina și Emil). Niciuna nu ne-a impresionat.
Listnr oferă patru variante de planuri, cu prețuri lunare de 9, 19, 39 și 99 $, diferența principală dintre acestea ținând de numărul de cuvinte incluse în plan, acesta pornind de la 10.000 pentru cel de 9 $.
Lovo
Lovo utilizează cele mai recente progrese în domeniul inteligenței artificiale pentru a produce voci asemănătoare cu cele umane în urma „citirii” unui text. Instrumentul este deosebit de util pentru reclame audio, e-learning, cărți audio și jocuri video, cu ajutorul lui economisind timp și efort.
Lovo are peste 180 de template-uri vocale AI în 33 de limbi, din care poți alege în funcție de vârstă, sex sau accent, sau în funcție de scenarii (jocuri, reclame, e-learning) și tipul de caracter (informativ, de încredere, etc).
Pentru a crea o voce din off, tastezi textul sau încarci un fișier cu textul existent. Lovo are inclusă o caracteristică de clonare a vocii. Deși ne-a plăcut interfața Lovo și serviciile pe care le oferă, în mod surprinzător nu am gpsit nicio variantă de voce pentru limba română.
Lovo oferă o versiune de încercare gratuită de 3 zile a software-ului cu acces la funcțiile pro, iar după utilizarea perioadei de probă poți face upgrade la un plan tarifar: Personal (17,49 $ – era varianta redusă din momentul redactării articolului) sau Freelancer (49.99 $).
Woord
Woord te ajută să convertești foarte rapid postările de pe blog sau paginile web într-o versiune vorbită. Poate fi utilizat și ca extensie Chrome și oferă două opțiuni pentru generarea vocii: fie să adaugi un URL al unei pagini web pe care dorești să o transformi în audio, fie să copiezi-lipești textul în editorul Woord.
Woord oferă o galerie uriașă de voci, permițând să controlezi emoția, viteza, volumul și multe altele. Suportă multe limbi și nu are limite de caractere în varianta Pro, ceea ce înseamnă că poți genera oricât de multă voce dorești în 28 de limbi, inclusiv limba română.
Woord are trei variante de plan:
- Starter – 9,99 $ / lună
- Basic – 24,99 $ / lună
- Pro – 99,99 $ / lună
Diferențele dintre ele constau, în principal, în numărul de fișiere audio pe care le poți genera lunar (de la 10 la nelimitat).
Concluzie
În concluzie, generatoarele text-to-speech reprezintă instrumente puternice care pot converti textul scris în cuvinte vorbite, fiind utilizate pe scară largă într-o varietate de aplicații, cum ar fi accesibilitatea pentru persoanele cu deficiențe de vedere, asistenții virtuali, software-ul educațional, dar și în diverse proiecte de creare de conținut. Odată cu progresele înregistrate în domeniul procesării limbajului natural și al învățării automate, generatoarele text-to-speech devin din ce în ce mai realiste și mai asemănătoare cu cele umane în ceea ce privește modelele de vorbire. Dintre cele șapte instrumente text-to-speech testate mai sus, „campionul” nostru a fost Murf, un generator audio cu o mulțime de caracteristici, care pare să câștige, cel puțin momentan, bătălia de pe acest segment.
Citește și: Cele mai bune servicii de traducere bazate pe Inteligența Artificială (A.I.)
