Jak rodzi się głos: od mowy źródłowej do karty w katalogu
Otwierasz katalog głosów, naciskasz play — i słyszysz czystą, żywą barwę. Wydaje się, że głos po prostu „jest”. W rzeczywistości każdy głos to produkt wieloetapowej linii: od doboru mowy źródłowej po końcowy mastering. Oto jak rodzi się głos w HancVoice — bez magii, krok po kroku.
Krok 1. Skąd bierze się mowa źródłowa
Głosu nie wymyśla się od zera — wyrasta on z prawdziwej ludzkiej mowy. Źródłami są otwarte i licencjonowane zbiory nagrań mowy, z których można legalnie korzystać. Kluczowa zasada: nigdy nie odtwarzamy głosu prawdziwej osoby bez jej zgody. Jeśli tworzysz własny głos, wgrywasz własną próbkę i potwierdzasz zgodę — zgodnie z RODO. Bez zgody system nie zbuduje modelu.
Krok 2. Selekcja: nie każde nagranie przechodzi
Pierwszym filtrem jest jakość materiału źródłowego. Zanim powstanie głos, linia sprawdza „obecność” w nagraniu: czy jest dość czystej, zrozumiałej mowy, bez szumów, muzyki i przerw? Nagrania, które nie przejdą tej bramki, są od razu odrzucane — ciągnięcie słabego materiału dalej nie ma sensu: wady i tak wyszłyby w końcowym efekcie.
Krok 3. Cyfrowy odcisk barwy
Następnie silnik słucha wybranej mowy i buduje kompaktowy cyfrowy odcisk głosu — matematyczny opis barwy o rozmiarze zaledwie kilku kilobajtów. To on przechowuje wszystko, co czyni głos rozpoznawalnym: wysokość, kolor, charakter. Wszystkie odciski trafiają do wspólnego banku, a w chwili syntezy silnik wybiera właściwy i „wypowiada” nim dowolny tekst. Jeden silnik — setki głosów, każdy z własnym odciskiem.
Głos w katalogu to nie zbiór nagranych fraz, lecz odcisk barwy. Dlatego jeden głos może przeczytać dowolny tekst — nawet taki, którego pierwotny mówca nigdy nie wypowiedział.
Krok 4. Kontrola jakości: jak mierzymy „czystość”
Słuch jest subiektywny, więc jakość także mierzymy. Podgląd syntezy każdego nowego głosu przechodzi neuronową ocenę czystości dźwięku: daje ona obiektywny wynik — jak czysto brzmi głos, bez szumów i artefaktów. Wynik jest korygowany o język, bo „czysto” brzmi inaczej po niemiecku niż na przykład po japońsku. Głosy poniżej progu nigdy nie trafiają na półkę — wracają do poprawki lub są odrzucane.
Krok 5. Mastering: żeby wszystko brzmiało równo
Ostatni etap sprowadza wszystkie głosy do wspólnego mianownika. Głośność jest wyrównywana, a dźwięk normalizowany, więc w katalogu nie ma „cichych” ani „krzyczących” głosów i można porównywać barwy na równych zasadach. To ta sama logika co mastering w muzyce: technicznie wszystko jest gotowe, ale to równe wykończenie odróżnia profesjonalny wynik od surowego.
Krok 6. Karta w katalogu: język i poziom
Gotowy głos dostaje kartę z płcią, językiem i opisem barwy — i trafia do katalogu dopiero po ręcznej weryfikacji. Tu pojawia się też poziom języka:
- Języki podstawowe — serce silnika z gwarancją jakości: niemiecki, angielski, francuski, hiszpański, włoski, portugalski, rosyjski, chiński, japoński i koreański.
- Beta — język już działa w trybie automatycznym, ale wciąż dopracowujemy jakość.
- Wkrótce — język jest w przygotowaniu: dobieramy mówców i stroimy syntezę.
Język „wychodzi” z bety nie według harmonogramu, lecz gdy stabilnie przechodzi tę samą kontrolę jakości co języki podstawowe. Dlaczego w ogóle istnieją poziomy, wyjaśniamy w tekście „Dlaczego języki mają poziomy”, a to, nad którymi językami pracujemy — i głosowanie na kolejne — znajdziesz w Laboratorium.
Dlaczego to ważne dla ciebie
Cała ta linia istnieje z prostego powodu: żebyś otworzył katalog, nacisnął play i usłyszał czysty głos — a nie szumy i artefakty. Selekcja na wejściu, obiektywna kontrola jakości i równy mastering sprawiają, że głosy HancVoice brzmią przewidywalnie i spójnie, a nie „raz lepiej, raz gorzej”.
Podsumowanie
Głos rodzi się na długo przed chwilą, w której go wybierasz — na linii selekcji, odcisku barwy, kontroli jakości i masteringu. Właśnie dlatego języki mają poziomy, a katalog trzyma stałą jakość. Otwórz katalog i posłuchaj: teraz wiesz, co stoi za każdym odtworzeniem.
Wypróbuj sam — bezpłatny pakiet startowy znaków po rejestracji.
