Abo
  • Services:

Google Deepmind: Cloud Text-to-Speech liest Texte mit fast natürlichem Klang

Mit neuronalen Netzen sind jetzt auch recht natürlich klingende Vorlesestunden möglich. Googles Deepmind-Team hat einen Text-to-Speech-Algorithmus entwickelt, den Entwickler einfach in ihre Projekte einbinden können - inklusive 32 Stimmen in vielen Sprachen wie Englisch, Deutsch und Japanisch.

Artikel veröffentlicht am ,
Maschinen klingen immer natürlicher.
Maschinen klingen immer natürlicher. (Bild: Pixabay.com/Montage: Golem.de/CC0 1.0)

Google hat seinen Cloud-Dienst Text-to-Speech in einer Betaversion vorgestellt. Dieses System soll geschriebene Texte in möglichst natürlich klingende Sprache umwandeln. Dazu nutzt Google Deepmind, eine Abteilung, die sich mit neuronalen Netzen für verschiedene Aufgaben beschäftigt - neben Go-Spielen und Starcraft 2 auch das Sprechen von Texten.

Stellenmarkt
  1. Vodafone GmbH, Düsseldorf
  2. DESIGNA Verkehrsleittechnik GmbH, Kiel

Entwickler sollen Cloud Text-to-Speech für ihre eigenen Projekte verwenden können. Dazu stellt Google eine Programmierschnittstelle (API) zur Verfügung, die vortrainierte Modelle aus der Cloud beziehen und ansprechen können. Das Unternehmen nutzt Wavenet-Technik, um möglichst natürlich klingende Sprache zu erzeugen. Dabei handelt es sich um ein neuronales Netzwerk, das Audiosignale aus verschiedenen Neuronen erzeugt. Momentan ist das aber nur für US-amerikanische Stimmen verfügbar.

Die meisten Stimmen in englischer Sprache

Der Dienst funktioniert auf mobilen Endgeräten wie Smartphones und auf PCs, Lautsprechern und Fernsehern. Momentan bietet er außerdem eine Auswahl aus 30 verschiedenen Stimmen. Allerdings ist ein Großteil mit britischem oder amerikanischem Englisch verknüpft. Ein weiterer US-Dialekt kann auch mit Wavenet selbst genutzt werden. Der Unterschied ist marginal. In deutscher Sprache gibt es hingegen nur zwei Stimmen ohne Wavenet-Unterstützung: eine weibliche und eine männliche. Lustiger Nebeneffekt: Das Vorlesen englischer Texte mit deutscher Stimme funktioniert mit typisch deutsch klingendem Akzent. Weitere Sprachen sind etwa Spanisch, Portugiesisch, Französisch, Türkisch und Japanisch. Die Qualität kann in einem Webtool mit Probetexten ausprobiert werden.

Neben der Wahl der Stimme sind dabei weitere Parameter veränderbar. Nutzer können die Stimmlage und die Sprechgeschwindigkeit einstellen. Beide Regler verfälschen jedoch auch den Stimmklang, so dass beispielsweise ein schnell redender Vorleser mehr wie ein Computer klingt. Im Webtool lassen sich auch die JSON-Quelltexte anzeigen, so dass Entwickler es recht einfach haben, Texte in ihre Apps einzubauen. Texte lassen sich in verschiedene Audiodateien, etwa MP3, Linear16 und Ogg Opus, exportieren. Auch SSML-Unterstützung wird geboten. Darüber lässt sich die Betonung und Pausen während des Sprechens manuell per Tags anpassen.

Cloud Text-to-Speech kann kostenlos getestet werden. Dazu sind jedoch ein Google-Konto und eine Mitgliedschaft der Google Cloud Platform notwendig, die ebenfalls zwölf Monate lang mit einem Guthaben von 300 US-Dollar getestet werden kann.



Anzeige
Top-Angebote
  1. (u. a. Fast & Furious 7, Star Trek: Into Darkness, Fifty Shades of Grey, Jurassic World, Hulk...
  2. 15,99€

MickeyKay 16. Apr 2018 / Themenstart

Ja, habe ich. Ehrlich gesagt höre ich zu Basic auch kaum einen Unterschied.

MickeyKay 16. Apr 2018 / Themenstart

Aktuelle Navi-Daten plus Verkehrsinfos würdest du dann bei einer Navi-App auch nicht...

MickeyKay 16. Apr 2018 / Themenstart

Das steht sogar direkt im ersten Satz des Artikels.....

logi 30. Mär 2018 / Themenstart

Wenn du bei Google die Sprache auf Deutsch stellst, dann steht die neue TTS-Engine...

Hotohori 29. Mär 2018 / Themenstart

Ich finde "en-US-Wavenet-E" Speed ~0.80 Pitch: +3.00 klingt schon etwas besser was das...

Kommentieren


Folgen Sie uns
       


Intel NUC8 (Hades Canyon) - Test

Winzig und kraftvoll: der NUC8 alias Hades Canyon.

Intel NUC8 (Hades Canyon) - Test Video aufrufen
Highend-PC-Streaming: Man kann sogar die Grafikkarte deaktivieren
Highend-PC-Streaming
Man kann sogar die Grafikkarte deaktivieren

Geforce GTX 1080, 12 GByte RAM und ein Xeon-Prozessor: Ab 30 Euro im Monat bietet ein Startup einen vollwertigen Windows-10-Rechner im Stream. Der Zugriff auf Daten, Anwendungen und Games soll auch unterwegs mit dem Smartphone funktionieren.
Von Peter Steinlechner

  1. Golem.de-Livestream Halbgott oder Despot?
  2. Rundfunk Medienanstalten wollen Bild Livestreaming-Formate untersagen
  3. Illegale Kopien Deutsche Nutzer pfeifen weiter auf das Urheberrecht

Black-Hoodie-Training: Einmal nicht Alien sein, das ist toll!
Black-Hoodie-Training
"Einmal nicht Alien sein, das ist toll!"

Um mehr Kolleginnen im IT-Security-Umfeld zu bekommen, hat die Hackerin Marion Marschalek ein Reverse-Engineering-Training nur für Frauen konzipiert. Die Veranstaltung platzt inzwischen aus allen Nähten.
Von Hauke Gierow

  1. Ryzenfall CTS Labs rechtfertigt sich für seine Disclosure-Strategie
  2. Starcraft Remastered Warum Blizzard einen Buffer Overflow emuliert

Indiegames-Rundschau: Kampfkrieger und Abenteuer in 1001 Nacht
Indiegames-Rundschau
Kampfkrieger und Abenteuer in 1001 Nacht

Battletech schickt Spieler in toll inszenierte Strategieschlachten, eine königliche Fantasywelt und Abenteuer im Orient: Unsere Rundschau stellt diesmal besonders spannende Indiegames vor.
Von Rainer Sigl

  1. Indiegames-Rundschau Mutige Mäuse und tapfere Trabbis
  2. Indiegames-Rundschau Zwischen Fake News und Mountainbiken
  3. Indiegames-Rundschau Tiefseemonster, Cyberpunks und ein Kelte

    •  /