Walaupun konsep teks ke pertuturan – iaitu perisian komputer yang boleh membacakan perkataan di skrin komputer untuk pengguna – bukanlah sesuatu yang baru, teknologinya berkembang pesat sejak beberapa tahun kebelakangan ini.
Menurut satu kajian terbaru, pasaran teks ke pertuturan bernilai sekitar $2 bilion pada tahun 2020 – sebahagiannya disebabkan oleh impak berterusan pandemik COVID-19. Ia dianggarkan mencecah $5 bilion menjelang 2026 – kadar pertumbuhan tahunan 14.6%.
Peningkatan ini banyak disumbang oleh cara teks ke pertuturan membantu mereka yang mengalami pelbagai masalah penglihatan. Menurut Centers for Disease Control and Prevention, kira-kira 12 juta warga Amerika berumur atas 40 tahun mengalami masalah memproses maklumat visual. Satu juta daripadanya buta sepenuhnya dan lapan juta mengalami masalah penglihatan kerana ralat biasan yang tidak diperbetulkan. Jumlah ini meningkat daripada 4.2 juta pada 2012.
Kesimpulannya, teknologi teks ke pertuturan telah membuktikan kepentingannya. Banyak pilihan, seperti Speechify, menawarkan pelbagai suara berkualiti tinggi untuk pengguna. Tapi bagaimana ia berfungsi dan kenapa ada begitu banyak suara? Jawapan kepada soalan-soalan ini memerlukan sedikit pemahaman tentang beberapa aspek penting.
Bagaimana Teks Ke Pertuturan Berfungsi?
Sebelum memahami suara di sebalik teks ke pertuturan, penting untuk tahu cara teknologi ini berfungsi.
Teks ke pertuturan menggunakan kecerdasan buatan, pembelajaran mesin, dan teknologi berkaitan untuk menukar teks pada halaman atau skrin menjadi kandungan audio yang boleh dibacakan. Ini termasuk kandungan laman web, artikel, dan teks dari aplikasi seperti Microsoft Word dan lain-lain.
Audio dihasilkan sepenuhnya oleh peranti yang digunakan. Selain berfungsi di komputer desktop dan komputer riba, teks ke pertuturan juga boleh digunakan di hampir semua telefon pintar, tablet, atau peranti mudah alih moden.
Bagi kebanyakan penyelesaian, pemprosesan teks ke pertuturan dijalankan secara setempat pada peranti itu sendiri. Ini menjadikannya berguna walaupun tanpa sambungan Internet.
Selain memudahkan mereka yang bermasalah penglihatan mengakses kandungan bertulis, teks ke pertuturan juga membolehkan kawalan tona dan kelajuan suara. Pengguna boleh perlahankan suara untuk lebih kefahaman, atau lajukan untuk membaca dengan cepat.
Suara Teks Ke Pertuturan: Penjelasan
Bagi suara sebenar dalam penyelesaian teks ke pertuturan, ia berdasarkan konsep bernama sintesis suara.
Apa Itu Sintesis Suara?
Sintesis suara ialah proses di mana komputer (atau peranti lain) membacakan teks menggunakan suara pilihan anda. Konsep ini serupa seperti anda membaca dari kertas, cuma outputnya kini dalam bentuk suara yang boleh didengar melalui pembesar suara atau fon kepala.
Biasanya, sintesis suara berfungsi mengikut beberapa langkah asas. Pertama, menukar teks pada halaman kepada perkataan yang difahami.
Langkah 1: Prapemprosesan
Pada peringkat ini, sistem teks ke pertuturan menganalisis kandungan yang anda mahu dengar dan menukar huruf (yang sekadar simbol) kepada perkataan. Ini penting kerana penulisan kadangkala boleh mengelirukan. Kata-kata atau frasa tertentu boleh membawa pelbagai maksud. Sistem perlu "memahami" perbezaan perkataan seperti "their," "there," dan "they're" yang bunyinya sama tetapi mengubah makna ayat.
Inilah peranan kecerdasan buatan dan pembelajaran mesin. Dengan AI, sistem boleh "dilatih" untuk mengurangkan kekeliruan ini sebanyak mungkin. Fasa ini dipanggil "prapemprosesan," kerana berlaku di belakang tabir sebelum aplikasi membacakan kandungan kepada anda.
Fasa ini juga mengenal pasti perkataan yang sama ejaan tetapi sebutannya berbeza mengikut penggunaan. Contohnya "read" boleh bermaksud membaca (masa kini) atau telah dibaca (masa lalu). Manusia memahami berdasarkan konteks, dan AI di komputer berfungsi mengikut prinsip yang sama.
Juga mencabar pada peringkat ini ialah nombor, singkatan, akronim, dan simbol khas seperti tanda dolar. Prapemprosesan memastikan semua yang akan dibaca bertepatan dengan konteks sebenar kandungan tersebut.
Langkah 2: Memahami Sebutan
Selepas teks dianalisis dan sistem "memahami" perkataan yang perlu dibaca, fasa seterusnya bermula. Pada peringkat ini, perkataan ditukar kepada fonem — iaitu, sistem belajar sebutan yang betul bagi setiap perkataan.
Bahagian ini telah banyak berubah mengikut masa. Jika anda pernah mencuba teks ke pertuturan era 1990-an (atau menonton filem lama tahun 70-an/80-an dengan suara komputer), suaranya pasti kedengaran tidak semula jadi dan mudah dikenali sebagai suara komputer, malah sebutan selalunya salah.
Langkah 3: Penukaran Kepada Suara Bermula
Selepas fonem dikenal pasti, sistem akan ke langkah seterusnya: menukar maklumat ini kepada bunyi untuk dimainkan pada pembesar suara atau fon kepala peranti.
Proses ini berlaku dengan pelbagai cara. Salah satu kaedah ialah pelakon merakam fonem, kemudian maklumat itu dimuat naik ke sistem komputer. Bila aplikasi mengesan fonem dalam teks, ia padankan dengan fonem rakaman dan menghasilkan audio yang kedengaran lebih semula jadi.
Sesetengah penyelesaian masih membenarkan komputer menjana suara sepenuhnya sendiri, tetapi bukan berdasarkan rakaman sebenar, sebaliknya hanya mencipta frekuensi bunyi tertentu mengikut susunan yang betul.
Cara ini hampir sama seperti alat muzik sintesis membolehkan pemuzik meniru bunyi alat muzik lain melalui papan kekunci biasa yang disambung ke komputer. Setiap kekunci boleh menghasilkan bunyi dari pelbagai alat muzik – komputer "memahami" setiap sentuhan dan padankan dengan bunyi betul dalam konteks berbeza.
Pilihan Suara & Seterusnya
Salah satu sebab banyak pilihan suara tersedia dalam penjana suara teks ke pertuturan ialah proses pembuatannya lebih mudah daripada yang ramai sangka. Fonem yang diperlukan dalam penjana suara AI memang sudah biasa dalam bahasa manusia. Jadi, pelakon hanya baca skrip yang mengandungi semua fonem, kemudian dimuat naik ke sistem.
Teknologi suara AI akan mengenal pasti setiap fonem, memecahkan rakaman kepada bahagian-bahagian, dan gunakan mana-mana yang perlu untuk hasilkan suara teks ke pertuturan yang tepat apabila pengguna mendengar web atau kandungan lain.
Sudah tentu, banyak lagi kegunaan suara AI semula jadi ini – bukan sekadar membantu mereka yang cacat penglihatan. Beberapa tahun kebelakangan ini, masyarakat semakin berminat dengan suara AI kerana media sosial seperti TikTok.
TikTok adalah antara jenama terkenal yang menggunakan AI suara, membenarkan pengguna rakam video, tambah teks, dan guna sintesis suara untuk membacakan teks. Ia satu cara kreatif menambah kesan menarik pada kandungan, dan trend ini dijangka terus meningkat.
Masa Depan Teks Ke Pertuturan Sudah Tiba
Teks ke pertuturan amat berguna untuk membolehkan sesiapa menikmati kandungan tanpa had penglihatan. Ia boleh menukar mana-mana blog, artikel, dokumen atau bahan bertulis menjadi pengalaman audio yang mudah, digunakan di rumah, semasa ulang-alik, di gim dan sebagainya.
Teknologi ini bukan sahaja meningkatkan produktiviti kita, tetapi juga menyelesaikan pelbagai masalah besar seperti yang diterangkan tadi. Sebab itulah sintesis suara dan AI menjadi sangat popular sejak kebelakangan ini.
Jika anda ingin tahu lebih lanjut tentang suara teks ke pertuturan, atau ingin ketahui bagaimana teknologi ini boleh membantu anda, jangan tunggu lagi – cuba Speechify secara percuma hari ini.
Speechify ialah aplikasi #1 di App store dengan suara paling semula jadi dan pengalaman terbaik, serta banyak pilihan suara tersuai.
Speechify hadir dalam beberapa pilihan: untuk pengguna individu, kumpulan, atau API untuk perniagaan pelbagai saiz.
