تبدیل متن به صدا چگونه انجام می‌شود؟
در تبدیل متن به صدا، ابتدا نوشته برای موتور گفتار آماده می‌شود و سپس موتور از روی آن صوت می‌سازد. آمادهسازی شامل مرتب کردن فاصله‌ها، خوانا کردن اعداد و اعمال تلفظ‌های انتخابی است. مرحلهٔ دوم می‌تواند روی دستگاه یا روی سرور انجام شود. این دو مسیر از نظر اتصال، کیفیت، امکان خروجی و مصرف منابع یکسان نیستند. در صداگر انتخاب موتور پنهان نیست و می‌توانید وضعیت واقعی آن را ببینید. اگر سرور فقط در حالت نمایشی باشد، نتیجهٔ بوق آزمایشی را نباید به‌عنوان کیفیت گفتار قضاوت کرد.
متن مناسب برای صدای قابل فهم
یک متن طولانی با چندین جملهٔ تو در تو، حتی با صدای خوب هم می‌تواند دشوار شنیده شود. بهتر است هر جمله یک پیام روشن داشته باشد. فهرست‌ها را با مکث یا جمله‌های مستقل بازنویسی کنید و توضیح‌های داخل پرانتز را فقط وقتی نگه دارید که در روایت لازم هستند. نشانه‌های پانویس ممکن است مزاحم شنیدن باشند؛ حذف آن‌ها در صداگر یک انتخاب است و خودکار بر تمام متن‌ها تحمیل نمی‌شود. اگر متن حقوقی یا علمی دارید، تغییر نگارش نباید معنی یا شرط‌های آن را عوض کند. پیش‌نمایش را کنار اصل نوشته مقایسه کنید.
تلفظ اسم و اصطلاح را خودتان تعیین کنید
هیچ موتور عمومی تمام نام‌ها را مطابق انتظار شما نمی‌خواند. نام یک برند، عبارت انگلیسی یا واژهٔ تخصصی ممکن است چند تلفظ داشته باشد. در واژه‌نامه بنویسید که عبارت چگونه نوشته و چگونه خوانده شود. برای مثال، ChatGPT می‌تواند به «چت جی‌پی‌تی» جایگزین شود. جایگزینی بر تمام حضورهای عبارت اعمال می‌شود و می‌توانید تلفظ را پیش از ارسال به موتور ببینید. واژه‌های بلندتر در تطبیق اولویت دارند و جایگزینی زنجیره‌ای انجام نمی‌شود. پس اگر یک تلفظ شامل واژهٔ دیگری از فرهنگ شما باشد، دوباره به‌صورت ناخواسته تغییر نمی‌کند.
سرعت و مکث را با محتوا هماهنگ کنید
سرعت مناسب برای شنیدن خبر با یک متن آموزشی دشوار ممکن است تفاوت داشته باشد. کنترل سرعت در استودیو به موتور منتقل می‌شود، اما نتیجهٔ دقیق آن تابع پیاده‌سازی موتور است. گزینهٔ خبری یا روایی در این نسخه فاصلهٔ بین جمله‌ها را تنظیم می‌کند و وعدهٔ بازیگری یا احساس انسانی نیست. برای سنجیدن تنظیمات، از همان پاراگرافی استفاده کنید که قرار است منتشر شود. یک عبارت ساده نمونهٔ خوبی برای تلفظ واژه‌های تخصصی نیست. شنیدن با هدفون و بلندگوی معمولی هم به شما نشان می‌دهد که وضوح نتیجه در شرایط واقعی چگونه است.
از نمونه به خروجی نهایی برسید
فرض کنید می‌خواهید متن «جلسه ساعت ۰۹:۳۰ با حضور ۲۱ نفر برگزار می‌شود» را بخوانید. پیش‌نمایش باید ساعت و تعداد را با واژه‌ها نشان دهد. سپس صدای در دسترس را انتخاب کنید و تلفظ جمله را بشنوید. اگر خروجی فایل می‌خواهید، موتور سرور باید آماده باشد. فرمت را قبل از تولید انتخاب کنید و هزینه و تعداد نویسهٔ نمایش‌داده‌شده را مرور کنید. در نسخهٔ آزمایشی پرداختی فعال نیست؛ اگر متن بیشتر از سهمیه باشد، برنامه نباید خریدی را بی‌اطلاع شما ثبت کند. فایل ذخیره‌شده را یک بار تا پایان پخش کنید.
قطع شبکه و نگهداری فایل
قطع شبکه می‌تواند هنگام تولید یا دریافت فایل اتفاق بیفتد. تا وقتی دریافت کامل نشده، نباید فرض کنید صوت در کتابخانهٔ آفلاین موجود است. پیام خطا را بخوانید و اتصال را بررسی کنید؛ درخواست یکسان در صورت وجود فایل سالم از کش سرور پاسخ داده می‌شود. نگهداری فایل سرور موقتی است و نباید تنها نسخهٔ شما باشد. بعد از دریافت، خروجی را در حافظهٔ خود ذخیره کنید. برای گوش دادن در خودرو هم ابتدا پخش را راه بیندازید و هنگام رانندگی متن و تنظیمات را ویرایش نکنید. پخش پس‌زمینهٔ اندروید نیازمند آزمون واقعی است.
پرسش‌های رایج
چه زمانی اینترنت لازم است؟
آمادهسازی متن آفلاین است؛ موتور سرور به اتصال نیاز دارد و موتور دستگاه تابع تنظیمات خود سیستم است.
آیا سرعت بالاتر کیفیت را حفظ می‌کند؟
نتیجه به صدا و متن وابسته است؛ یک پاراگراف واقعی را با سرعت دلخواه بشنوید.
آخرین ویرایش: ۳ آبان ۱۴۰۵. ابزارها جایگزین بررسی سند اصلی یا نظر متخصص نیستند.