Sprachgeneration

Sprachgeneration bezeichnet die automatische Erzeugung von gesprochenen oder schriftlichen sprachlichen Äußerungen durch Computersysteme. In der Praxis werden verschiedene Teilbereiche unter diesem Begriff zusammengefasst, je nach Kontext: Text-zu-Sprache (TTS), bei dem aus geschriebenem Text gesprochene Sprache entsteht, sowie die generelle automatische Erzeugung sprachlicher Ausgaben in der natürlichen Sprachverarbeitung (Natural Language Generation, NLG).

Technisch umfasst Sprachgeneration typischerweise eine mehrstufige Pipeline. Zunächst erfolgt Textvorverarbeitung und Normalisierung, gefolgt von linguistischer oder prosodischer Modellierung, die Melodie, Betonung und Pausen festlegt. Die eigentliche Sprachausgabe wird dann durch akustische Modelle erzeugt. Traditionell kamen concatenative oder statistische Ansätze zum Einsatz; heute dominieren neuronale TTS-Verfahren, die end-to-end Sprachsynthese ermöglichen und Sprachsignale direkt oder über leistungsfähige Vocoder-Modelle erzeugen.

Anwendungsfelder umfassen barrierefreie Technologien, Sprachassistenten, Navigationssysteme, Kundendienst, E-Learning, Medienproduktion und Robotik. Durch personalisierte Stimmen und Tempoanpassung lässt sich der Nutzungsgrad erhöhen; außerdem ermöglicht Sprachgeneration die Bereitstellung von Inhalten für Menschen mit Sehbehinderungen.

Herausforderungen betreffen die Natürlichkeit und Vielseitigkeit der Sprache, Mehrsprachigkeit, Dialekte, Emotion und Kontextsensitivität. Technisch bleibt die Realisierung realistischer Prosodie anspruchsvoll. Ethik- und Sicherheitsfragen gewinnen an Bedeutung, insbesondere bezüglich Stimmenklonen, Deepfakes, Privatsphäre, Rechte an Stimmen und Transparenz bei generierten Aussagen.

Der Stand der Forschung zielt auf noch natürlicher klingende Stimmen, schnellere Inferenz und bessere Prosodiesteuerung, inklusive adaptiver, situationsbezogener Ausdrucksformen. Bewertungsverfahren kombinieren subjektive Hörerbewertungen (MOS) mit objektiven Maßzahlen wie PESQ oder STOI, um Verständlichkeit und Qualität zu schätzen.