Программы TTS сегодня очень популярны и доступны. Но одинаково ли хорошо они озвучивают текст? Многие TTS умеют читать текст из Word, HTML веб-страниц, Google Docs или вставленный вручную текст. Однако немногие способны превратить защищённый или напечатанный текст с изображения в естественную речь. Для этого используют оптическое распознавание символов (OCR).
Что такое OCR?
OCR, или оптическое распознавание символов, — это технология извлечения текста из изображений. Она широко применяется в разных сферах — от бизнеса до развлечений. Обычно технология включает аппаратную часть для сканирования и программное обеспечение для извлечения и дальнейшего использования данных. Главной и самой сложной является программная часть. OCR позволяет выделять отдельные буквы, слова и предложения, а также редактировать исходный защищённый текст, например в PDF с закрытым доступом к редактированию.
Как работает OCR
Оптическое распознавание символов (OCR) превращает сканы, PDF или фото документов в редактируемый текст. Сначала OCR анализирует структуру изображения и находит области с текстом, делит их на строки, слова и буквы. Каждый символ сравнивается с шаблонами или распознаётся с помощью машинного обучения. В итоге текст с картинки становится редактируемым, доступным для поиска и дальнейшей цифровой обработки.
Совмещение TTS и OCR
Связка оптического распознавания текста с TTS даёт мощный инструмент для доступности и удобства. OCR извлекает текст из бумажных документов и изображений и переводит его в цифровой формат. Этот текст передаётся в TTS, который превращает его в речь. Такая синергия помогает, например, людям с нарушением зрения «читать» печатные материалы, слушать аудиокниги, получать мгновенный перевод печатных текстов. Благодаря интеграции OCR и TTS работать с текстом становится проще для всех — независимо от возможностей и ограничений по зрению.
Применения TTS + OCR
Совместное использование OCR и TTS открывает массу новых возможностей для доступа к информации. Вот несколько примеров использования распознавания текста с озвучкой:
- Ассистивные технологии для людей с нарушением зрения: превращают текст книг, документов и экранов в речь, помогая слабовидящим и незрячим «читать» содержимое.
- Обучение и образование:
- Помощь дизлектикам и людям с СДВГ: превращает текст в звук, облегчая чтение при трудностях.
- Мультимодальное обучение: можно одновременно читать и слушать, что повышает понимание и запоминание.
- Переводы и изучение языков: озвучка иностранного текста помогает с произношением и восприятием.
- Прослушивание книг, новостей, любых текстов: превращает печатный контент в аудиокниги, подкасты и др. форматы для прослушивания на ходу.
- Доступность документов: делает PDF, сканы и «нередактируемые» форматы доступными через озвучивание.
- Анализ исторических документов: переводит старые рукописи или архивы в аудио для исследователей и энтузиастов.
- Бизнес и продуктивность: голосовое озвучивание бумажных отчётов для занятых профессионалов.
- Корректура: помогает авторам и редакторам находить ошибки на слух при прослушивании текста с бумаги.
- Развлечения: озвучка комиксов, графических новелл и др. визуальных медиа.
Как читать текст с изображения вслух
Не все владельцы устройств Apple и Android знают, что в системе уже есть технологии OCR и TTS, позволяющие просто зачитывать текст с фотографий. Это как бесплатная функция чтения текста с камеры, но её качество ниже, чем у продвинутых TTS-приложений. Как включить чтение текста с фото на Android и Apple:
Android
На Android 12 и выше есть встроенный TTS-чтец — он удобен для навигации и мелкого шрифта, но его можно настроить и для чтения с изображений. Сделайте следующее:
- Откройте меню «Спец. возможности» в настройках.
- Включите функцию «Выбор для прослушивания».
- В настройках TTS активируйте опцию «Читать текст на изображениях».
- На главном экране запустите камеру.
- Наведите камеру на книгу, газету или экран с текстом.
- Нажмите «Выбор для прослушивания» перед выбором слова в приложении камеры.
Android-чтец начнёт озвучивать выбранное слово. Можно выделять фрагменты текста, как в текстовом редакторе, проводя пальцем по экрану.
Apple
Для чтения печатного текста на iPhone нужна камера, iOS 15+ и включённый встроенный TTS-чтец.
- Перейдите в раздел «Спец. возможности» в настройках.
- Откройте пункт «Звуковое сопровождение».
- Включите функции «Озвучивать выделенное» и «Озвучивать экран».
- Вернитесь на главный экран и включите камеру.
- Наведите её на страницу и дождитесь появления кнопки «Live Text».
- Нажмите, чтобы запустить распознавание и чтение текста на экране.
- Проведите двумя пальцами вниз, чтобы начать чтение с начала страницы.
- Нажмите или выделите нужный участок — для чтения слова, предложения или абзаца.
Как и на Android, на iPad и iPhone возможности OCR и TTS ограничены. Хотя распознавание неплохое, голос звучит неестественно и слишком «роботизированно».
Speechify — лучший TTS с OCR
Встроенные TTS и OCR на мобильных устройствах полезны, но их качество ограничено. К счастью, есть альтернатива. Speechify — это чтец текста в речь с OCR и более чем 200 реалистичными эмоциональными AI-голосами на 60+ языках, включая голоса знаменитостей. Функционал шире, чем у стандартных чтецов: он сканирует книги и документы, преобразует печатный текст в цифровой и озвучивает его естественным голосом с настраиваемой скоростью. Speechify TTS доступен на:
Приложение можно скачать из App Store, Play Market или для Mac, либо использовать Chrome-расширение — лицензия одна для всех устройств и платформ: Speechify работает на десктопах и мобильных под Mozilla, Microsoft, Chromebooks, Apple и Windows. Интерфейс понятен пользователям любого возраста, есть онлайн-сканирование Speechify OCR для моментального чтения.
Speechify подходит для дизлексиков, людей с трудностями чтения, ограничениями зрения и многозадачников. Speechify — больше, чем обычный чтец: он превращает любой текст в аудиокнигу, создаёт подкасты, помогает развивать навыки чтения. Попробуйте бесплатный Speechify чтец текста и настройте чтение под себя. В Speechify также есть онлайн AI Voice Generator — можно протестировать любой голос на своём тексте.
FAQ
Какой TTS самый реалистичный?
Speechify предлагает более 200 реалистичных AI-голосов на 60+ языках, включая региональные акценты. Его речь звучит естественнее, чем у конкурентов вроде Fake You, Nuance и Uberduck.
Есть ли у Speechify API для TTS?
Да, у Speechify есть API для TTS, аналогичный Google text to speech API.
Как создать AI озвучку?
Пользователи могут создавать AI-озвучки для коммерческого использования в Speechify Studio.
Можно ли превратить заметки в подкасты?
С помощью функции AI-подкастов Speechify любая заметка превращается в интересный AI-подкаст, который можно скачать в формате MP3.
