تركيب الكلام
قراءة النص بصوت بشري طبيعي
يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما الذي تعنيه هذه القدرة
Takes text and outputs audio that reads it aloud. It must handle both pronunciation — saying the right words — and prosody — where to pause and what to stress — while carrying a target speaker timbre. It runs opposite to speech recognition, and unlike voice cloning it does not need to imitate a specific person from a few samples but usually picks from preset voices.
كيف تُنفَّذ تقنيًا
Modern systems are mostly two-stage: an acoustic model predicts an intermediate representation such as a mel spectrogram from text, then a vocoder restores the waveform; both can be trained end to end. Discrete audio tokens with autoregressive or diffusion decoding yield more natural prosody and support zero-shot timbre imitation. On the text side, phonemisation and text normalisation handle digits, abbreviations and polyphonic characters.
منتجات تمثيلية
6ElevenLabs
2022خدمة تحويل نص إلى كلام متعددة اللغات بأصوات طبيعية قابلة للاستنساخ
SparkTTS
2023واجهة تحويل نص إلى كلام موجّهة للاستخدام بالصينية
Synthesia
2019اكتب نصًا فتحصل على فيديو بشخصية رقمية تتحدث
Gemini
2023نموذج عام متعدد الوسائط بطبيعته، مصمم لسياقات طويلة جدًا
Doubao
2023نموذج المحادثة العام وتطبيق بايت دانس
Siri
2011المساعد الصوتي المبكر الذي أدخل التحكم بالصوت إلى الهواتف الشائعة
المؤسسات ذات الصلة
الاستخدامات الشائعة
- Audiobooks and news reading
- Accessibility reading and assistive narration
- Navigation prompts, podcasts and dubbing
- Support and smart-device response audio
كيف يُقاس مدى جودتها
- MOS
- Mean opinion score for naturalness
- Intelligibility (WER)
- Re-transcribing the output to measure how much is misheard
- Speaker similarity
- Closeness to the target timbre
الحدود والصعوبات
- Pauses and stress in long sentences sound unnatural, making whole passages feel flat
- Numbers, proper nouns and polyphonic characters are misread, and one normalisation slip derails the sentence
- Control over emotion and style is coarse; only a few systems let you finely set pace and mood
المفاهيم الكامنة وراءها
المرمّزات الذاتية والمرمّزات الذاتية التباينية
اضغط المعلومات عبر عنق زجاجة ثم أعِد إنماءها
آلية الانتباه
يستطيع كل موضع أن ينظر مباشرة إلى جميع المواضع الأخرى ويوزّع الانتباه حسب الصلة
معمارية Transformer
يستبدل النقل كلمةً بكلمة بغرفة يتحدث فيها الجميع معاً، فتصبح التبعيات البعيدة على مسافة خطوة واحدة