تبدیل متن به گفتار رایگان

مثال عملی

یک مقاله ۱۵۰۰ کاراکتری (حدود ۲۵۰ کلمه) که با صدای استودیویی خوانده شود، تقریباً یک و نیم تا دو دقیقه صدا می‌شود. ذخیره‌شده به صورت WAV حدود ۵ مگابایت (۲۴ کیلوهرتز مونو ۱۶ بیت) است و MP3 بسیار کوچک‌تر. بار اول، صدای انگلیسی حدود ۱۰۵ مگابایت (مدل صدا به اضافه موتور تلفظ) دانلود می‌کند و سپس کش می‌شود. همان متن با صدای دستگاه فوراً پخش می‌شود اما نمی‌توان آن را به صورت فایل ذخیره کرد.

کدام تنظیمات را استفاده کنید و محدودیت‌ها

• نوع صدا را بر اساس نیاز خود انتخاب کنید. "Device voice" فوراً به هر زبانی که سیستم شما نصب داشته باشد پخش می‌شود، اما مرورگرها اجازه نمی‌دهند صفحه آن را ضبط کند. "Studio voice" یک دانلود یک‌باره است که بعداً آفلاین کار می‌کند و تنها نوعی است که فایل تولید می‌کند.
• بدانید کدام زبان‌ها قابل ذخیره شدن هستند. صداهای استودیویی برای انگلیسی (آمریکایی و بریتانیایی)، آلمانی، فرانسوی، اسپانیایی، ایتالیایی، اوکراینی و ژاپنی وجود دارد. اولین دانلود برای انگلیسی حدود ۱۰۵ مگابایت، برای آلمانی یا فرانسوی ۹۶ مگابایت، برای اسپانیایی ۴۷ مگابایت، برای ایتالیایی ۸۲ مگابایت، برای اوکراینی ۷۷ مگابایت و برای ژاپنی ۱۰۵ مگابایت است. یک صدای استودیویی نمی‌تواند متن را به الفبای دیگری بخواند.
• سرعت از ۰/۵x تا ۲x است؛ صدای استودیویی زیر و بمی ندارد. لغزنده سرعت در گام‌های ۰/۱ حرکت می‌کند. در صدای استودیویی، سرعت هنگام ایجاد صدا اعمال می‌شود، بنابراین تغییر آن فایل را دوباره می‌سازد. زیر و بمی فقط برای صداهای دستگاه اعمال می‌شود.
• متون طولانی تقسیم می‌شوند و می‌توانید زودتر متوقف کنید. یک فایل استودیویی حداکثر ۵۰,۰۰۰ کاراکتر (تقریباً یک ساعت گفتار) روی رایانه و ۲۰,۰۰۰ روی تلفن همراه نگه می‌دارد. متن طولانی‌تر به فایل‌های شماره‌گذاری‌شده تقسیم می‌شود. متن در قطعات حدود ۳۰۰ کاراکتری ساخته می‌شود و "Stop and keep" آنچه تاکنون انجام شده را ذخیره می‌کند.
• WAV فوراً آماده است؛ MP3 به رمزگذار نیاز دارد. WAV به چیز اضافی نیاز ندارد. MP3 و M4A یک رمزگذار صوتی یک‌باره حدود ۳۰ مگابایتی دانلود می‌کنند. روی داده تلفن همراه، ابزار قبل از شروع دانلود بزرگ اولیه سؤال می‌کند.
• به جای چسباندن، یک سند وارد کنید. یک فایل PDF، Word (.docx)، EPUB، TXT یا HTML را روی جعبه متن رها کنید. فایل‌های تا ۲۰۰ مگابایت روی دستگاه شما خوانده می‌شوند. PDF اسکن‌شده فقط شامل تصاویر صفحات است، بنابراین ابتدا آن را از ابزار OCR عبور دهید.

مشکلات رایج و راه حل آن‌ها

صدای دستگاه می‌گوید نمی‌تواند متن را بخواند.

آن صدا از زبان متن پشتیبانی نمی‌کند. یک صدا برای آن زبان از لیست انتخاب کنید، یا یکی را در تنظیمات گفتار سیستم خود نصب کرده و صفحه را دوباره بارگیری کنید.

هیچ صدایی برای زبان من وجود ندارد، یا اصلاً صدایی نیست.

صداهای دستگاه از سیستم‌عامل شما می‌آیند، بنابراین آنچه در دسترس است در ویندوز، مک‌اواس، اندروید و آی‌اواس متفاوت است. یک صدا در تنظیمات گفتار سیستم اضافه کنید و دوباره بارگیری کنید. برای انگلیسی، آلمانی، فرانسوی، اسپانیایی، ایتالیایی، اوکراینی یا ژاپنی می‌توانید به جای آن از صدای استودیویی استفاده کنید، بدون نیاز به نصب چیزی.

صدای استودیویی می‌گوید نمی‌تواند این الفبا را بخواند.

هر صدای استودیویی یک زبان را می‌خواند. صدای انگلیسی نمی‌تواند مثلاً متن سیریلیک را بخواند. صدای استودیویی مربوط به زبان متن را انتخاب کنید، یا یک صدای دستگاه. این بررسی قبل از هر دانلودی اجرا می‌شود، بنابراین چیزی دریافت نمی‌شود.

متن برای صدای استودیویی خیلی طولانی است.

محدودیت ۵۰,۰۰۰ کاراکتر روی رایانه و ۲۰,۰۰۰ روی تلفن همراه است و بررسی قبل از دانلود مدل اجرا می‌شود. متن را کوتاه کنید، به بخش‌هایی تقسیم کنید، یا اگر فقط نیاز به شنیدن دارید از صدای دستگاه استفاده کنید.

PDF من بدون متن وارد شد.

PDF اسکن‌شده از تصاویر صفحه تشکیل شده، نه متن. آن را از ابزار OCR عبور دهید، سپس نتیجه را بچسبانید. PDF محافظت‌شده با رمز عبور یا آسیب‌دیده نیز قابل خواندن نیست.

مقایسه آن

صدای دستگاه فوراً شروع می‌شود و زبان‌های زیادی را پوشش می‌دهد، اما صدا از طریق بلندگوهای شما پخش می‌شود و توسط صفحه قابل ذخیره نیست. صدای استودیویی کندتر تولید می‌شود، بار اول نیاز به دانلود حدود ۸۰ تا ۱۰۵ مگابایت دارد و فقط سه زبان را پوشش می‌دهد، اما یک فایل WAV یا MP3 به شما می‌دهد که می‌توانید نگه دارید و آفلاین دوباره استفاده کنید.