Vraag een navigatie-app om een ​​straatnaam hardop voor te lezen en je hoort tekst-naar-spraak aan het werk. Het systeem neemt geschreven tekens en produceert een golfvorm die een mens kan begrijpen. Vroege versies klonken robotachtig omdat ze opgenomen fragmenten aan elkaar plakten. Moderne neurale systemen genereren de audio direct, en de kloof tussen synthetische en menselijke spraak is sterk kleiner geworden.

Het proces begint meestal met tekstnormalisatie: "Dr." wordt, afhankelijk van de context, uitgebreid naar "Drive" of "doctor", en getallen en valuta worden omgezet in gesproken woorden. Vervolgens vindt taalkundige analyse plaats, die de uitspraak, klemtoon en intonatie voorspelt. Ten slotte zetten een akoestisch model en een vocoder deze kenmerken om in geluid.

Waar het verschijnt

• Schermlezers voor blinden en slechtzienden
• Spraakassistenten en slimme luidsprekers
• Audioboekproductie op grote schaal
• Toegankelijkheidstools voor mensen met spraakproblemen

De kwaliteit verschilt per taal. Engels en Mandarijn beschikken over enorme opnamecorpora; veel Afrikaanse en inheemse talen hebben er bijna geen, waardoor synthetische stemmen voor deze talen onnatuurlijk klinken of simpelweg niet bestaan. Stemklonen vormt een extra bron van bezorgdheid. Een overtuigende replica van iemands stem kan worden misbruikt voor fraude, vandaar dat sommige aanbieders nu watermerken toevoegen of toestemming vereisen voor opnames.