? Um servidor de síntese de fala é um computador em rede que solicita um usuário humano para a entrada usando a fala. Esses servidores contam com muitas tecnologias subjacentes complexas, como text-to -speech , síntese de voz e reconhecimento de voz. Aprender sobre essas tecnologias, e como eles funcionam juntos, pode dar-lhe uma melhor apreciação para o funcionamento interno complexas do servidor síntese de voz. Speech Synthesis Servidor

Muitos call centers utilizam servidores de síntese de fala para os chamadores de rotas a partir do menu principal para um operador humano que trabalha em um departamento específico. Esses servidores são geralmente capazes de produzir discurso , bem como entendê-lo. Servidores de síntese de voz também são usados ​​em aplicações Web para torná-los mais acessíveis e interativo.
Speech Synthesis Motor

Um motor de síntese de voz aceita a entrada na forma de texto pré-programado ou comandos em tempo real e saídas fala reconhecível. Motores de síntese de voz que processam texto pré-programado , muitas vezes realizar uma única tarefa, como informar os visitantes que uma determinada área está fora dos limites. Motores de síntese de fala que aceitam comandos em tempo real são usados ​​para fornecer os deficientes com um meio de se comunicar, e também são usados ​​em sistemas de telecomunicações . A voz que você ouve a partir desses sistemas é uma combinação de amostras de voz humana e algoritmos que criam a ilusão de fala suave.
Reconhecimento de Voz

reconhecimento de voz sistemas trabalham em sentido oposto . Eles interpretam a fala de um ser humano e convertê-lo em texto. Sistemas de reconhecimento de voz usar um método de interpretação da fala de um ser humano que é baseado em probabilidades. Por exemplo, em um sistema de reconhecimento de voz simples, onde as únicas entradas aceitáveis ​​são "sim" ou "não", o computador é capaz de calcular a probabilidade de que um usuário está dizendo uma coisa ou outra . Isto é possível porque o sistema de reconhecimento de voz pode comparar os sons fonéticos de cada entrada numa base de dados de amostras . O princípio é o mesmo para sistemas com muitos insumos , embora a probabilidade de erro é maior.
Text- to-Speech

Text- to-speech é uma tecnologia que converte texto humana reconhecível em seu equivalente fonético, em seguida, converte isso em som com alto-falantes. Uma grande parte deste processo está preocupado com a interpretação do texto e dividi-lo em pedaços. Cada peça pode ser composta de várias palavras , frases e representa individuais . Desta forma, o mecanismo de texto -para-fala pode tornar discurso que soa natural aos ouvintes humanos. Motores sofisticados text-to -speech mais quebrar essas unidades em sílabas individuais , completos com passo e informações de duração .