Ζητήστε από μια εφαρμογή πλοήγησης να διαβάσει δυνατά το όνομα ενός δρόμου και θα ακούσετε την μετατροπή κειμένου σε ομιλία εν ώρα λειτουργίας. Το σύστημα λαμβάνει γραπτούς χαρακτήρες και παράγει μια κυματομορφή που μπορεί να καταλάβει ένας άνθρωπος. Οι πρώτες εκδόσεις ακουγόταν ρομποτικές επειδή συνέδεαν ηχογραφημένα αποσπάσματα. Τα σύγχρονα νευρωνικά συστήματα παράγουν τον ήχο απευθείας και το χάσμα μεταξύ συνθετικής και ανθρώπινης ομιλίας έχει μειωθεί απότομα.

Η διαδικασία συνήθως ξεκινά με την ομαλοποίηση κειμένου: επέκταση του "Dr." σε "Drive" ή "doctor" ανάλογα με τα συμφραζόμενα, μετατρέποντας αριθμούς και νομίσματα σε προφορικές λέξεις. Στη συνέχεια ακολουθεί η γλωσσική ανάλυση, η οποία προβλέπει την προφορά, τον τόνο και τον τόνο. Τέλος, ένα ακουστικό μοντέλο και ένας κωδικοποιητής φωνής μετατρέπουν αυτά τα χαρακτηριστικά σε ήχο.

Πού εμφανίζεται

• Αναγνώστες οθόνης για τυφλούς και χρήστες με μειωμένη όραση
• Φωνητικοί βοηθοί και έξυπνα ηχεία
• Παραγωγή ηχητικών βιβλίων σε μεγάλη κλίμακα
• Εργαλεία προσβασιμότητας για άτομα με προβλήματα ομιλίας

Η ποιότητα ποικίλλει ανάλογα με τη γλώσσα. Τα αγγλικά και τα μανδαρινικά έχουν τεράστια ηχογραφημένα σώματα κειμένων. Πολλές αφρικανικές και ιθαγενείς γλώσσες δεν έχουν σχεδόν καθόλου, επομένως οι συνθετικές φωνές για αυτές ακούγονται περίπλοκες ή απλώς δεν υπάρχουν. Η κλωνοποίηση φωνής προσθέτει ένα ακόμη επίπεδο ανησυχίας. Ένα πειστικό αντίγραφο της φωνής ενός ατόμου μπορεί να χρησιμοποιηθεί για απάτη, γι' αυτό και ορισμένοι προμηθευτές ενσωματώνουν πλέον υδατογράφημα ή απαιτούν ηχογραφήσεις συναίνεσης.