Jak se rodí hlas: od zdrojové řeči ke kartě v katalogu

Otevřete katalog hlasů, stisknete přehrát — a slyšíte čistou, živou barvu. Zdá se, že hlas tam prostě „je“. Ve skutečnosti je každý hlas výsledkem vícestupňové linky: od výběru zdrojové řeči po finální mastering. Takto se rodí hlas v HancVoice — bez kouzel, krok za krokem.

Krok 1. Odkud pochází zdrojová řeč

Hlas se nevymýšlí z ničeho — vyrůstá ze skutečné lidské řeči. Zdroji jsou otevřené a licencované řečové datové sady, jejichž nahrávky lze legálně používat. Klíčové pravidlo: nikdy nenapodobujeme hlas skutečného člověka bez jeho souhlasu. Pokud si vytváříte vlastní hlas, nahrajete vlastní ukázku a potvrdíte souhlas — v souladu s GDPR. Bez souhlasu systém model nevytvoří.

Krok 2. Výběr: ne každá nahrávka projde

Prvním filtrem je kvalita zdrojového materiálu. Než linka hlas sestaví, zkontroluje v nahrávce „přítomnost“: je tam dost čisté, srozumitelné řeči, bez šumu v pozadí, hudby a výpadků? Nahrávky, které neprojdou, se okamžitě vyřadí — táhnout slabý materiál dál nemá smysl: vady by se stejně projevily ve výsledku.

Krok 3. Digitální otisk barvy

Poté engine vybranou řeč poslechne a sestaví kompaktní digitální otisk hlasu — matematický popis barvy o velikosti pouhých několika kilobajtů. Právě on uchovává vše, co hlas dělá rozpoznatelným: výšku, barvu, charakter. Všechny otisky putují do společné banky a při syntéze engine vybere ten správný a „vysloví“ jím jakýkoli text. Jeden engine — stovky hlasů, každý s vlastním otiskem.

Hlas v katalogu není sada nahraných frází, ale otisk barvy. Proto může jeden hlas přečíst jakýkoli text — i takový, který původní mluvčí nikdy neřekl.

Krok 4. Kontrola kvality: jak měříme „čistotu“

Sluch je subjektivní, proto kvalitu také měříme. Náhled syntézy každého nového hlasu prochází neuronovým hodnocením čistoty zvuku: dává objektivní skóre — jak čistě hlas zní, bez šumu a artefaktů. Skóre se upravuje podle jazyka, protože „čistě“ zní v němčině jinak než třeba v japonštině. Hlasy pod prahem se na pult nikdy nedostanou — vracejí se k přepracování nebo se zamítají.

Krok 5. Mastering: aby vše znělo vyrovnaně

Poslední fáze sjednotí všechny hlasy na společného jmenovatele. Hlasitost se vyrovná a zvuk normalizuje, takže v katalogu nejsou „tiché“ ani „křičící“ hlasy a barvy můžete porovnávat rovnocenně. Je to stejná logika jako mastering v hudbě: technicky je vše hotové, ale právě vyrovnaný finiš odlišuje profesionální výsledek od surového.

Krok 6. Karta v katalogu: jazyk a úroveň

Hotový hlas dostane kartu s pohlavím, jazykem a popisem barvy — a do katalogu se dostane až po ruční kontrole. Tady se objevuje i úroveň jazyka:

• Základní jazyky — jádro enginu se zárukou kvality: němčina, angličtina, francouzština, španělština, italština, portugalština, ruština, čínština, japonština a korejština.
• Beta — jazyk už funguje v automatickém režimu, ale kvalitu ještě dolaďujeme.
• Brzy — jazyk je ve vývoji: vybíráme mluvčí a ladíme syntézu.

Jazyk „vyroste“ z bety ne podle harmonogramu, ale tehdy, když stabilně prochází stejnou kontrolou kvality jako základní jazyky. Proč úrovně vůbec existují, vysvětlujeme v článku „Proč mají jazyky úrovně“, a které jazyky jsou rozpracované — a hlasovat pro další — můžete v naší Laboratoři.

Proč je to důležité pro vás

Celá tato linka existuje z prostého důvodu: abyste otevřeli katalog, stiskli přehrát a slyšeli čistý hlas — ne šum a artefakty. Výběr na vstupu, objektivní kontrola kvality a vyrovnaný mastering jsou důvodem, proč hlasy HancVoice znějí předvídatelně a konzistentně, a ne „jednou tak, jednou tak“.

Závěr

Hlas se rodí dlouho předtím, než si ho vyberete — na lince výběru, otisku barvy, kontroly kvality a masteringu. Právě proto mají jazyky úrovně a katalog drží stálou kvalitu. Otevřete katalog a poslouchejte: teď víte, co stojí za každým přehráním.

Vyzkoušejte sami — bezplatný startovací balíček znaků po registraci.