Odpowiedzi głosowe

Jak to działa

Naciśnij przycisk głośnika pod odpowiedzią, aby ją odsłuchać. Zawsze ręcznie — dźwięk zaczyna się tylko wtedy, gdy o to poprosisz, co jest również jedynym zachowaniem dopuszczalnym przez przeglądarkę na telefonie.

Podczas odtwarzania masz do dyspozycji pauzę, stop oraz regulację prędkości od 0,75× do 2×, z wyświetlaniem pozycji i długości odtwarzania. Naciśnięcie przycisku głośnika pod inną odpowiedzią przenosi głos do tej odpowiedzi.

Odtwarzanie rozpoczyna się, gdy reszta odpowiedzi wciąż jest generowana, więc czas oczekiwania nie rośnie wraz z długością odpowiedzi. Odpowiedź licząca tysiąc trzysta znaków — prawie dwie minuty mowy — zaczyna brzmieć po około dwóch sekundach, tak samo jak odpowiedź jednozdaniowa.

Którym językiem mówi

Głos dostosowuje się do języka odpowiedzi, a nie do języka interfejsu. Angielski interfejs z rosyjską rozmową zostanie odczytany po rosyjsku. Większość produktów robi to odwrotnie, odczytując odpowiedź według zasad niewłaściwego języka.

Liczby są odczytywane jako słowa, a nie literka po literce, a blok kodu jest ogłaszany jako blok kodu, a nie odczytywany jako minuta interpunkcji.

Języki z głosem

Thirty-eight z naszych czterdziestu sześciu języków ma zmierzoną mowę. Dziesięć z nich jest również dostosowanych do ekspresyjnej prezentacji — ta część jest zapisana i zmierzona, ale nie jest jeszcze aktywowana, więc obecnie każdy język czyta się wyraźnie, a nie z uczuciem.

🔑 Liczba włączonych języków w danym momencie może być mniejsza, podczas gdy maszyny je obsługujące są uruchamiane. Przycisk głośnika pojawia się tylko tam, gdzie głos faktycznie zadziała — nie zostaniesz oferowany głos, który potem zawiedzie.

Czytaj na głos i gotowy do wyrażenia

Niemiecki · Angielski · Hiszpański · Francuski · Włoski · Koreański · Portugalski (Brazylia) · Portugalski (Portugalia) · Rosyjski · Chiński (uproszczony). To dziesięć języków, do których Expressive Delivery dotrze jako pierwsze. Obecnie brzmią one tak samo jak pozostałe.

Odczytuje

Arabski · Azerbejdżański · Bułgarski · Kataloński · Chorwacki · Czeski · Duński · Holenderski · Filipino · Fiński · Grecki · Hebrajski · Hindi · Węgierski · Indonezyjski · Japoński · Malajski · Norweski · Polski · Rumuński · Serbski · Słowacki · Suahili · Szwedzki · Tajski · Turecki · Ukraiński · Wietnamski

Bez głosu

Bengalski · Birmański · Kazachski · Paszto · Perski · Urdu · Uzbecki · Chiński (tradycyjny)

Perski i dlaczego jest pusty

Perski to jedyny język na tej ostatniej liście, za którym stoi realne użycie, a jego brak nie jest przeoczeniem. W tym miesiącu każdy dostępny silnik był mierzony w porównaniu z nim i żaden nie osiągnął wymaganej jakości — jeden poprawnie odczytuje tylko piętnaście języków, inny nie pasuje do sprzętu, a jeden jest dostarczany wadliwy.

Wolejmy to powiedzieć, niż dostarczyć głos, który zniekształca język. Gdy coś spełni wymagania, pojawi się tutaj.

Jak mierzono jakość

Każdy język sprawdzano w ten sam sposób: odczytano tekst, transkrybowano nagranie za pomocą oddzielnego systemu i porównano słowo po słowie z tym, co wysłano. Próg to pięcioprocentowy błąd znaków. Wszystkie trzydzieści osiem języków mieści się w tym progu, a sześć z nich daje wynik zero.

🔑 To, co mierzy ten test, to poprawność słów. Nie mierzy on naturalności brzmienia głosu, czego żaden automatyczny test nie jest w stanie ustalić. Traktuj to jako dolną granicę, a nie wyrok, a resztę oceń własnym uchem.

Czego głos jeszcze nie potrafi

Brak podświetlania słów

Silnik nie zwraca czasów, a ich szacowanie na podstawie liczby znaków powoduje błąd w obrębie jednego zdania. Zbudowaliśmy to, zmierzyliśmy i wyłączyliśmy, zamiast dostarczać coś, co błądzi po tekście.

Wyrażenie nie jest włączone

Maszyna istnieje i została zmierzona – głos może westchnąć, zaśmiać się lub przejść do szeptu, gdy odpowiedź tego wymaga. Nie jest jeszcze podłączona do czatu, więc nic z tego, co dziś usłyszysz, nie pochodzi z tej maszyny. Jest gotowa do pracy w dziesięciu językach; pozostałe wymagają silnika, który jednocześnie obsługuje emocje i szeroki zakres językowy, a taki nie istnieje na licencji, z której możemy korzystać.

Nie każdy język w każdej chwili

Zobacz notkę powyżej: zakres to to, co zostało zmierzone, a to, co jest włączone, może być mniejsze podczas konfiguracji maszyn.

Ile dostajesz

Darmowy czat odczytuje trzy odpowiedzi dziennie. Płatne plany odczytują znacznie więcej — dokładna liczba znajduje się na stronie z planami, gdzie również znajdziesz informacje o ewentualnych zmianach.

Limit w planach płatnych jest wysoki, a nie nieograniczony, z powodu. Punkt końcowy bez limitu nie ma też dolnej granicy, jeśli konto zostanie kiedyś udostępnione lub sprzedane, a maszyny generujące audio są wynajmowane na godzinę. Liczba została ustawiona znacznie wyżej niż to, co jedna osoba odsłucha w ciągu dnia.

Odpowiedź, która jest już odtwarzana, nie zostanie przerwana w połowie po osiągnięciu limitu, a licznik przesuwa się raz na odtworzenie, a nie raz na zdanie.

Co dzieje się z audio

Nic nie jest przechowywane. Audio jest tworzone na żądanie i nigdy nie jest zapisywane na dysku po naszej stronie. Naciśnięcie przycisku stop anuluje pracę na serwerze, zamiast pozostawiać go w działaniu dla dźwięku, którego nikt nie usłyszy.

To ta sama zasada, której przestrzega reszta usługi, i to powód, dla którego nie ma biblioteki Twoich odpowiedzi głosowych do przeglądania: nie ma niczego do przeglądania.