اطلب من تطبيق ملاحة قراءة اسم شارع بصوت عالٍ، وستسمع تقنية تحويل النص إلى كلام تعمل. يأخذ النظام الأحرف المكتوبة وينتج موجة صوتية يفهمها الإنسان. كانت الإصدارات الأولى تبدو آلية لأنها كانت تجمع أجزاءً مسجلة معًا. أما الأنظمة العصبية الحديثة فتولد الصوت مباشرةً، وقد تقلصت الفجوة بين الكلام الاصطناعي والبشري بشكل كبير.

تبدأ عملية المعالجة عادةً بتطبيع النص: تحويل كلمة "دكتور" إلى "درايف" أو "دكتور" حسب السياق، وتحويل الأرقام والعملات إلى كلمات منطوقة. يلي ذلك التحليل اللغوي الذي يتنبأ بالنطق والتشديد والتنغيم. وأخيرًا، يقوم نموذج صوتي وجهاز ترميز صوتي بتحويل هذه الخصائص إلى صوت.

أين يظهر

• قارئات الشاشة للمستخدمين المكفوفين وضعاف البصر
• المساعدون الصوتيون ومكبرات الصوت الذكية
• إنتاج الكتب الصوتية على نطاق واسع
• أدوات تسهيل الوصول للأشخاص ذوي الإعاقات الكلامية

تختلف الجودة باختلاف اللغة. فاللغتان الإنجليزية والصينية تمتلكان مجموعات ضخمة من التسجيلات الصوتية، بينما تفتقر العديد من اللغات الأفريقية واللغات الأصلية إلى هذه المجموعات، لذا تبدو الأصوات الاصطناعية لها ركيكة أو غير موجودة أصلاً. ويُضيف استنساخ الصوت بُعدًا آخر من القلق، إذ يُمكن إساءة استخدام نسخة مُقنعة من صوت شخص ما لأغراض الاحتيال، ولهذا السبب يُضيف بعض البائعين الآن علامات مائية أو يشترطون الحصول على موافقة المستخدم على التسجيلات.