Uncanny Valley

[brotiger]

Die Stimme an sich klingt zwar menschlicher und gefälliger, die eigentlichen Probleme - falsche Betonung und Pausen - bleiben aber. Zudem ist die Verständlichkeit gefühlt etwas schlecht.

Insgesamt stört mich diese Stimme deutlich mehr als die bisherigen. Fällt damit sozusagen ins "Uncanny Valley".

[Huanglong]

Pausen und Betonung sind eben Interpretationssachen und hängen vom Textinhalt ab. Diese Systeme verstehen nicht, was im Text steht. Und bis das soweit ist, dauert es auch noch etwas. Aber soweit doch schon ziemlich gut.

[ssj3rd]

Geh mal in ein Gymnasium und lass dir von der ganzen Klasse einen Text vorlesen, glaub mir 60-80% sind schlechte im betonen als die AI hier. Traurig, aber wahr

[tralalala]

Ich war auch gerade etwas enttäuscht, zumal ich Google's Cloud TTS als Vergleich hatte:
https://cloud.google.com/text-to-speech/

Die deutsche WaveNet-Stimme ist - abgesehen von Eigennamen - schon sehr gut und in der Aussprache praktisch nicht mehr von einem menschlichen Sprecher zu unterscheiden.

[brotiger]

ssj3rd schrieb:
--------------------------------------------------------------------------------
> Geh mal in ein Gymnasium und lass dir von der ganzen Klasse einen Text
> vorlesen, glaub mir 60-80% sind schlechte im betonen als die AI hier.
> Traurig, aber wahr

60-80% der Menschen würden einen Touring-Test nicht bestehen.