spraaksynthese

Spraaksynthese is het proces waarbij computers gesproken taal genereren uit tekst of andere input. Het doel is om op een duidelijke, vloeiende en contextueel passende wijze communicatie mogelijk te maken zonder menselijke spraakopnames. Moderne systemen combineren technieken uit de natuurlijke taalverwerking, fonetische modellering en Akoestische signaalverwerking om natuurlijke geluidkwaliteit en gewenste expressie te bereiken.

Belangrijke onderdelen zijn tekstnormalisatie en linguïstische planning, die de input omzet in fonetische en prosodische informatie; een akoestisch model dat deze informatie omzet in een spectrogram of audiodata; en een vocoder of waveform-generator die het spectrogram omzet in hoorbaar geluid. Er bestaan verschillende benaderingen, waaronder concatenatieve spraaksynthese (verzamelde klanken uit opnames), formant-synthese (gebaseerd op akoestische kenmerken van stemmen) en neuraal gebaseerde spraaksynthese, waarbij neurale netwerken direct audio of spectrogrammen genereren.

Historisch gezien evolueerde spraaksynthese van mechanische en klankgewijze systemen naar geavanceerde neurale modellen. Neurale spraaksynthese kan natuurlijke prosodie, intonatie en expressie beter weergeven, maar vereist grote datasets en rekenkracht. Toepassingen zijn onder meer toegankelijkheidsdiensten, virtuele assistenten, navigatiesystemen en audiovisuele media. Evaluatie gebeurt onder andere met Mean Opinion Score en andere luistertests, gericht op intelligibility en naturalness.

Ethiek en beleid raken spraaksynthese op gebieden zoals authenticiteit, privacy en misbruik als stemspoofing of deepfakes. Zie ook: neurale spraaksynthese, vocoder, tekst-naar-spraak.