Das Pediaphon ist ein Webdienst von mir, der seit 2006 Wikipedia-Artikel in Sprache umwandelt. Dort werden diverse Open Source TTS Generatoren und Stimmen eingesetzt. Ursprünglich basierte das Pediaphon auf einem EU-projekt namens MBROLA, später kamen TTS-Systeme wie espeak, Milena und SVOX-Pico (2010) hinzu. Moderne Text-to-Speech- (TTS) Verfahren basieren heute auf Neuronalen Netzen (landläufig als KI bezeichnet, bei künstlicher Sprachausgabe handelt es sich aber um sogenannte „schwache KI“), die mit Sprachsamples trainiert werden. Alle der bekannten, in Windows, Android und IOS integrierten kommerziellen TTS-Stimmen nutzen heute solche Techniken. Seit einiger Zeit sind auch Open Source Stimmen entwickelt worden, die auf diesen Techniken beruhen. Meist werden die Sprachmodelle in Python trainiert und auch ausgeführt. Da ich im Pediaphon ganze und teilweise sehr große Wikipedia-Artikel in einem Stück und nicht als Stream in Sprache umwandle, bin ich auf sehr schnelle Algorithmen angewiesen. Weiterlesen →