Hogyan születik egy hang: a forrásbeszédtől a katalógus adatlapjáig

Megnyitod a hangkatalógust, megnyomod a lejátszást — és tiszta, élő hangszínt hallasz. Úgy tűnik, a hang egyszerűen „ott van”. Valójában minden hang egy többlépcsős gyártósor eredménye: a forrásbeszéd kiválasztásától a végső masterelésig. Így születik egy hang a HancVoice-ban — varázslat nélkül, lépésről lépésre.

1. lépés. Honnan származik a forrásbeszéd

Egy hangot nem a semmiből találnak ki — valódi emberi beszédből nő ki. A források nyílt és licencelt beszédadatbázisok, amelyek felvételei jogszerűen felhasználhatók. A legfontosabb szabály: soha nem alkotjuk újra egy valós személy hangját a hozzájárulása nélkül. Ha saját hangot hozol létre, a saját mintádat töltöd fel, és megerősíted a hozzájárulásodat — a GDPR-ral összhangban. Hozzájárulás nélkül a rendszer nem épít modellt.

2. lépés. Válogatás: nem minden felvétel jut tovább

Az első szűrő a forrásanyag minősége. Mielőtt hangot építene, a gyártósor ellenőrzi a felvétel „jelenlétét”: van-e benne elég tiszta, érthető beszéd háttérzaj, zene és kiesések nélkül? Az ezen a kapun fennakadó felvételeket azonnal kiszűrjük — gyenge anyagot továbbvinni értelmetlen: a hibák úgyis előjönnének a végeredményben.

3. lépés. A hangszín digitális ujjlenyomata

Ezután a motor meghallgatja a kiválasztott beszédet, és felépíti a hang tömör digitális ujjlenyomatát — a hangszín matematikai leírását, amely mindössze néhány kilobájt. Ez őriz meg mindent, ami felismerhetővé teszi a hangot: hangmagasságot, színt, karaktert. Az összes ujjlenyomat egy közös bankba kerül, a szintéziskor pedig a motor kiválasztja a megfelelőt, és azzal „mondja ki” bármely szöveget. Egy motor — több száz hang, mindegyik a saját ujjlenyomatával.

A katalógusban szereplő hang nem rögzített mondatok gyűjteménye, hanem a hangszín ujjlenyomata. Ezért tud egyetlen hang bármilyen szöveget felolvasni — még olyat is, amelyet az eredeti beszélő soha nem mondott ki.

4. lépés. Minőség-ellenőrzés: hogyan mérjük a „tisztaságot”

A hallás szubjektív, ezért a minőséget mérjük is. Minden új hang szintézis-előnézete átesik a hangtisztaság neurális értékelésén: ez objektív pontszámot ad — mennyire tisztán szól a hang, zaj és műtermékek nélkül. A pontszámot a nyelvhez igazítjuk, mert a „tiszta” németül másként szól, mint mondjuk japánul. A küszöb alatti hangok soha nem kerülnek a polcra — visszamennek átdolgozásra, vagy elutasítjuk őket.

5. lépés. Masterelés: hogy minden egyenletesen szóljon

Az utolsó szakasz minden hangot közös nevezőre hoz. A hangerőt kiegyenlítjük, a hangot normalizáljuk, így a katalógusban nincsenek „halk” vagy „kiabáló” hangok, és a hangszíneket egyenlő feltételek mellett hasonlíthatod össze. Ugyanaz a logika, mint a zenei masterelésnél: technikailag minden kész, de az egyenletes befejezés választja el a profi eredményt a nyerstől.

6. lépés. A katalógus adatlapja: nyelv és szint

A kész hang adatlapot kap nemmel, nyelvvel és hangszínleírással — és csak kézi ellenőrzés után kerül a katalógusba. Itt jelenik meg a nyelv szintje is:

• Alapnyelvek — a motor szíve, minőségi garanciával: német, angol, francia, spanyol, olasz, portugál, orosz, kínai, japán és koreai.
• Béta — a nyelv automatikus módban már működik, de még csiszoljuk a minőséget.
• Hamarosan — a nyelv fejlesztés alatt áll: beszélőket válogatunk és hangoljuk a szintézist.

Egy nyelv nem menetrend szerint „lép ki” a bétából, hanem amikor tartósan átmegy ugyanazon a minőség-ellenőrzésen, mint az alapnyelvek. Hogy miért léteznek egyáltalán a szintek, azt a „Miért vannak a nyelveknek szintjei” című írásunkban magyarázzuk el, azt pedig, hogy mely nyelveken dolgozunk — és szavazhatsz a következőkre —, a Laborban követheted.

Miért fontos ez neked

Ez az egész gyártósor egy egyszerű okból létezik: hogy megnyisd a katalógust, megnyomd a lejátszást, és tiszta hangot hallj — ne zajt és műtermékeket. A bemeneti válogatás, az objektív minőség-ellenőrzés és az egyenletes masterelés az oka annak, hogy a HancVoice hangjai kiszámíthatóan egyenletesen szólnak, nem pedig „hol így, hol úgy”.

Összegzés

Egy hang jóval azelőtt születik meg, hogy kiválasztanád — a válogatás, a hangszín-ujjlenyomat, a minőség-ellenőrzés és a masterelés gyártósorán. Pontosan ezért vannak a nyelveknek szintjei, és ezért egyenletes a katalógus minősége. Nyisd meg a katalógust, és hallgass bele: most már tudod, mi áll minden lejátszás mögött.

Próbálja ki Ön is — ingyenes kezdő karaktercsomag regisztrációkor.