IVO to program który czyta wszystko jednym brzemieniem,tchem, i całkowiecie bez emocji w dodatku głupio to wygląda jak dana osoba krzyczy a IVONA gada jakby ktoś tłumaczył jak sie oponowy wymienia… czy jestp rogram któy tłumaczyłby to jak lektor w TV? A jak niema to czy da się taki zrobić? Ogólnie rzecz biorąc to w systemie jest coś co przekazuje głośniką brzmienie itp. Czy da sie zrobić program który to wychwyci i w czasie czytania będzie tak czytał jak mówi dana osoba w filmie? No wiecie… emocje, brzemienie, tchem…
IVONA ma w tej chwili opinię jednego z najlepszych, jeśli nie najlepszego, syntezatora mowy. Ale gdybyś był Googlem i wpompował w to miliony, pewnie by się dało zrobić to, o co prosisz.
Po samych napisach żaden algorytm nie odczyta tonu i napięcia głosu, chyba że zaprojektowano by nowy format zawierający specjalne znaczniki (to normalnie, to krzykiem, a to podniesionym głosem). Gdybyś chciał coś takiego odbierać z głosu aktorów… To prawie nierealne. Ścieżkę dźwiękową trzeba by poddać mocnemu filtrowaniu, żeby oddzielić od głosu muzykę, wybuchy i masę innego szumu. Dalej odczytać ton i emocje i z takimi samymi odczytać dialog z napisów.
To bardzo fajny pomysł na jakiś projekt uniwersytecki, ale obawiam się, że coś takiego dalece wykracza poza zwyczajną forumową prośbę ‘Wiecie, a może byście zrobili…’. To tak jakbyś wpadł na forum miłośników motoryzacji i napisał ‘Złożylibyście mi najnowsze Ferrari? Tak z niczego i za darmo’.
Dużo, duuuużo łatwiej i taniej byłoby ci nauczyć się angielskiego albo zacząć samemu czytać napisy.
Po ludzku czyta tylko AGATA 22 KHz. Wystarczy zainstalować ten głos w systemie i użyć odtwarzacza KMPlayer który obsługuje SAPI5.