कोणत्याही मजकूर फायली वाचण्यासाठी एक कार्यक्रम. सर्वोत्तम ई-बुक वाचक

प्रोग्राम "" मजकूर फायली मोठ्याने वाचण्यासाठी डिझाइन केलेले आहे. संगणकावर स्थापित केलेले कोणतेही स्पीच सिंथेसायझर्स मानवी आवाजाचे आवाज पुनरुत्पादित करण्यासाठी वापरले जाऊ शकतात. कोणत्याही मल्टीमीडिया प्रोग्राममध्ये उपस्थित असलेल्या ("प्ले", "पॉज", "स्टॉप") प्रमाणेच मानक बटणे वापरून भाषणाचे पुनरुत्पादन नियंत्रित केले जाऊ शकते. अनुप्रयोग क्लिपबोर्डची सामग्री मोठ्याने वाचू शकतो, कागदपत्रांमध्ये असलेला मजकूर दाखवू शकतो, फॉन्ट आणि रंग सेटिंग्ज बदलू शकतो, सिस्टम ट्रे (अधिसूचना क्षेत्र) वरून वाचन प्रक्रिया नियंत्रित करू शकतो किंवा जागतिक कीबोर्ड शॉर्टकट वापरू शकतो, कीबोर्डवर टाइप केलेला मजकूर उच्चारू शकतो , शब्दलेखन तपासा, अनेक लहान फायलींसाठी मजकूर फाईल विभाजित करा, होमोग्राफ शोधा. "" ओळींच्या शेवटी सर्व हायफनेशन वर्ण मजकूरातून काढण्याची क्षमता प्रदान करते; हे शब्द वाचताना तोतरेपणा टाळेल. समर्थित फाइल स्वरूप: AZW, AZW3, CHM, DjVu, DOC, DOCX, EPUB, FB2, HTML, LIT, MOBI, ODT, PDB, PDF, PRC, RTF, TCR, WPD.

फाईलचा आकार: MB
आवृत्ती:इतिहास बदला
परवाना प्रकार:फ्रीवेअर
ऑपरेटिंग सिस्टम:
इंटरफेस भाषा:	रशियन, इंग्रजी, अरबी, आर्मेनियन, बल्गेरियन, हंगेरियन, व्हिएतनामी, डच, ग्रीक, स्पॅनिश, इटालियन, चीनी, कोरियन, जर्मन, पर्शियन, पोलिश, पोर्तुगीज, रोमानियन, सर्बियन, स्लोव्हेनियन, तुर्की, युक्रेनियन, फिनिश, फिलिपिनो, फ्रेंच, क्रोएशियन, झेक, जपानी
मदत फायली:	रशियन, इंग्रजी, स्पॅनिश, इटालियन, कोरियन, जर्मन, युक्रेनियन, फ्रेंच

पोर्टेबल आवृत्ती: डाउनलोड करा(MB)
"बालाबोल्का" च्या पोर्टेबल (पोर्टेबल) आवृत्तीला इंस्टॉलेशनची आवश्यकता नाही आणि "फ्लॅश ड्राइव्ह" वरून लाँच केली जाऊ शकते.
संगणकावर किमान एक स्पीच सिंथेसायझर (आवाज) स्थापित करणे आवश्यक आहे.

कन्सोल अनुप्रयोग: डाउनलोड करा(KB)
कन्सोल अनुप्रयोगामध्ये ग्राफिकल इंटरफेस नाही आणि मजकूर मोडमध्ये चालतो.
ऑपरेटिंग मोड कमांड लाइन पॅरामीटर्स किंवा कॉन्फिगरेशन फाइल वापरून सेट केला जाऊ शकतो.

फायलींमधून मजकूर काढण्यासाठी उपयुक्तता: डाउनलोड करा(KB)
प्रोग्राम आपल्याला विविध स्वरूपांच्या फायलींमधून मजकूर काढण्याची परवानगी देतो.
युटिलिटीमध्ये ग्राफिकल इंटरफेस नाही आणि मजकूर मोडमध्ये चालते.

अशा कार्यक्रमाची आवश्यकता का आहे हे अद्याप अस्पष्ट आहे. या विषयावरील काही उपयुक्त दुवे येथे आहेत:

फोरम जेथे स्पीच सिंथेसायझर्स आणि मोठ्याने वाचन करणारे कार्यक्रम चर्चा केले जातात:

प्रोग्राम आपल्याला "" बदलण्याची परवानगी देतो देखावाथीम वापरणे.

प्रोग्राम SAPI 4, SAPI 5 किंवा मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्मला समर्थन देणारे संगणक आवाज वापरू शकतो. तेथे विनामूल्य आणि सशुल्क (व्यावसायिक) भाषण इंजिन आहेत. सर्वात उच्च दर्जाचेभाषण संश्लेषण व्यावसायिक आवाजाद्वारे प्रदान केले जाते.

कंपनीद्वारे निर्मित स्पीच सिंथेसायझर्स RealSpeak(मायक्रोसॉफ्ट सर्व्हरवर विनामूल्य मते प्रकाशित केली गेली):

• ब्रिटिश इंग्रजी (19.4 MB)
  आरसा
• स्पॅनिश (21.7 MB)
  आरसा
• इटालियन (21.5 MB)
  आरसा
• जर्मन (20.7 MB)
  आरसा
• फ्रेंच (22.5 MB)
  आरसा

ल्विव येथील यारोस्लाव कोझाक युक्रेनियन भाषण सिंथेसायझर तयार केले UkrVox... युक्रेनियन रेडिओ उद्घोषक इगोर मुराश्कोचा आवाज आधार म्हणून घेतला गेला.

• UkrVox

• इनोनेटिक्स (डेमो)
• Nuance (डेमो 1, डेमो 2)

व्यावसायिक भाषण सिंथेसायझर्समध्ये, खालील आवाज रशियन वापरकर्त्यांसाठी स्वारस्यपूर्ण आहेत:

• अलोना(अकापेला ग्रुप)
• कात्या, मिलेनाआणि युरी(सूक्ष्म)
• निकोलाई(दिगालो - अकेपेला एलन स्पीच क्यूब)
• तात्यानाआणि मॅक्सिम(IVONA)

मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म

मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म (आवृत्ती 11.0) हा साधनांचा एक संच आहे जो विकसकांना आवाज ओळख आणि मजकूर-टू-स्पीच सोल्यूशन्स तयार करण्यास सक्षम करतो.

स्पीच सिंथेसायझर कार्य करण्यासाठी, आपल्याला खालील घटक डाउनलोड आणि स्थापित करण्याची आवश्यकता आहे:

1. मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म - रनटाइम - प्लॅटफॉर्मची सर्व्हर बाजू जी प्रोग्रामसाठी API प्रदान करते (फाइल x86_SpeechPlatformRuntime \ SpeechPlatformRuntime.msi).
2. मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म - रनटाइम लँग्वेजेस - सर्व्हर साइडसाठी भाषांचा संच. सध्या रशियनसह 26 भाषांसाठी आवाज दिला जातो एलेना(ज्या फायलींची नावे "MSSpeech_TTS_" ने सुरू होतात).

SAPI 5 आवाजासाठी वापरले जाणारे टॅग (नियंत्रण आदेश) मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म आवाजांसाठी देखील वापरले जाऊ शकतात. परंतु लक्षात ठेवा, SAPI 5 आवाज आणि मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म आवाज एकमेकांशी विसंगत आहेत, म्हणून आपण व्हॉइस किंवा लँग टॅग वापरून त्यांच्यामध्ये स्विच करू शकत नाही.

उच्चार सुधारणा

भाषण पुनरुत्पादनाची गुणवत्ता सुधारण्यासाठी वापरकर्ता प्रतिस्थापनांची विशेष यादी वापरू शकतो. जेथे शब्दांचे उच्चार किंवा वैयक्तिक अक्षरे बदलण्याची गरज असते तेथे हे उपयुक्त आहे; यासाठी, मजकूरातील काही अभिव्यक्ती आवश्यक वाचनीय अभिव्यक्तीसह बदलली जाते. असे बदलण्याचे नियम लिहिण्यासाठी, वाक्यरचना वापरा

आपल्यापैकी अनेकांना वाचायला आवडते. आम्ही घरी आणि कामावर, रस्त्यावर आणि सुट्टीत वाचतो, आम्हाला विविध साहित्यिक शैली आणि ट्रेंड आवडतात आणि काहींना पुस्तकांशिवाय त्यांच्या जीवनाची कल्पनाच करता येत नाही. या प्रकरणात, मजकूरांच्या दृश्य प्रदर्शनाव्यतिरिक्त, वापरकर्त्याला नंतरचे आवाज करण्याची आवश्यकता असू शकते (उदाहरणार्थ, विविध साइटवर व्हॉइस सामग्री लागू करताना). मग विविध व्हॉइस इंजिनऑनलाइन, वापरकर्त्यास वेगवेगळ्या आवाजात मजकूर पुनरुत्पादित करण्याची परवानगी देते. या लेखात, मी तुम्हाला सांगेन की ऑनलाईन मजकुरासाठी व्हॉईस-ओव्हर काय आहे, यासाठी कोणत्या ऑनलाइन सेवा अस्तित्वात आहेत आणि त्यांचा वापर कसा करावा.

बहुतांश घटनांमध्ये, ऑनलाईन व्हॉईससह मजकुराचा आवाज अभिनय बऱ्यापैकी प्रमाणित आहे आणि वापरकर्त्याच्या मजकूरांच्या मोठ्या आकाराचे पुनरुत्पादन करण्याऐवजी निवडलेल्या व्हॉईस इंजिनची क्षमता प्रदर्शित करण्याचा हेतू आहे. बर्‍याच ऑनलाइन सेवांची विनामूल्य कार्यक्षमता 250-300 वर्णांच्या मजकुरापर्यंत मर्यादित आहे आणि व्हॉइस इंजिनच्या पूर्ण क्षमतेसाठी आणि मोठ्या प्रमाणात सामग्रीच्या पुनरुत्पादनासाठी आपल्याला वास्तविक पैसे द्यावे लागतील.

अशा साइट्ससह काम करण्यासाठी मानक टेम्पलेट खालीलप्रमाणे आहे: आपण स्त्रोतावर जा, विशेष विंडोमध्ये निवडा इच्छित भाषा, एक स्त्री किंवा पुरुष आवाज निवडा, विंडोमध्ये आपल्याला पाहिजे असलेला मजकूर प्रविष्ट करा आणि प्ले बटणावर क्लिक करा. सेवा तुमचा मजकूर वाचते, तुम्ही व्हॉइस इंजिनच्या गुणवत्तेबद्दल एक छाप तयार करता आणि त्याबरोबर पुढे काम करायचे की नाही हे ठरवा.

व्हॉइस स्कोअरिंगसाठी सेवा ऑनलाइन

तर, नेटवर्कवर अनेक लोकप्रिय सेवा आहेत ज्या ऑनलाईन मजकूर आवाज करू शकतात. चला त्यांच्या कार्यक्षमतेचे योग्य वर्णन करून त्यांची यादी करू.

Acapela सेवा

आवाजाद्वारे मजकूर पुनरुत्पादित करण्याच्या उद्देशाने पहिले स्त्रोत Acapela आहे. त्याच्या इंजिनमध्ये आवाजाची बऱ्यापैकी उच्च-गुणवत्तेची पातळी आहे, तेथे महिला आणि पुरुष आवाजाची निवड आहे (रशियन केवळ अलिओनाच्या मादी आवाजाद्वारे दर्शविली जाते), तर फ्री-टू-प्ले मजकूराचे प्रमाण 300 वर्णांपर्यंत मर्यादित आहे, आणि आपल्याला अधिक पर्यायांसाठी अतिरिक्त पैसे द्यावे लागतील.

या सेवेची क्षमता वापरण्यासाठी, त्यावर जा, डावीकडील विंडोमध्ये, भाषा (एक भाषा निवडा) रशियन (रशियन) मध्ये स्विच करा, "तुमचा मजकूर इथे टाईप करा" या वाक्याखाली तुमचा मजकूर एंटर करा, त्यावर चेकमार्क टाका "मी अटी आणि शर्तींशी सहमत आहे" च्या डावीकडे. ऐकणे सुरू करण्यासाठी, खालील "ऐका" बटणावर क्लिक करा.

Google Translator सेवा

Google कडून निर्दिष्ट अनुवादक ऑनलाइन मजकूर वाचण्यासाठी देखील वापरला जाऊ शकतो. त्याच्या फायद्यांसाठी, मी अनेक शंभर वर्णांच्या क्लासिक मर्यादेची अनुपस्थिती आणि संसाधनाचे मुक्त स्वरूप समाविष्ट करेन. नकारात्मक बाजूवर - व्हॉईस मजकूर पुनरुत्पादन सशुल्क स्पर्धकांपेक्षा निकृष्ट असू शकते.

हा अनुवादक वापरून मजकूर प्ले करण्यासाठी, https://translate.google.com वर जा, विंडोमध्ये आवश्यक मजकूर प्रविष्ट करा आणि नंतर अगदी तळाशी असलेल्या स्पीकरसह बटणावर क्लिक करा.

Linguatec सेवा

दुसरा ऑनलाइन बोलणारा, त्याच्या "शेअरवेअर" समकक्षांच्या मर्यादा असताना. त्यात पुनरुत्पादित मजकूराचे प्रमाण 250 वर्णांपर्यंत मर्यादित आहे (पूर्ण कार्यक्षमतेसाठी आपल्याला अतिरिक्त पैसे द्यावे लागतील) आणि येथे पुनरुत्पादनाची गुणवत्ता अगदी सरासरी आहे.

ऑनलाईन आवाजाद्वारे मजकूर प्ले करण्यासाठी, या संसाधनावर जा, भाषा सेटिंगमध्ये, ड्यूशऐवजी रशिस निवडा, मादी (मिलेना) किंवा पुरुष (युरी) आवाज निवडा, तुमचा मजकूर प्रविष्ट करा आणि खालील प्ले बटणावर क्लिक करा.

टेक्स्ट-टू-स्पीच सेवा

दुसरा ऑनलाइन बोलणारा मजकूर-टू-स्पीच सेवा आहे. पुनरुत्पादित मजकुराचा कमाल आकार येथे जास्त आहे - सुमारे एक हजार वर्ण, पुनरुत्पादन गुणवत्ता देखील स्वीकार्य पातळीवर आहे.

हे व्हॉइस इंजिन वापरून आम्हाला आवश्यक असलेला मजकूर ऐकण्यासाठी, दुव्याचे अनुसरण करा, रशियन भाषा निवडा (भाषा - रशियन), तुम्हाला ऐकायचा असलेला मजकूर प्रविष्ट करा आणि नंतर "सांगा" वर क्लिक करा.

IVONA सेवा

आणि ऑनलाइन टाइप केलेल्या मजकुराच्या व्हॉईस अॅक्टिंगचा विचार करताना मी उल्लेख करू इच्छित असलेली शेवटची ऑनलाइन सेवा इव्होना आहे. या संसाधनामध्ये वरीलपैकी बहुतांश उच्च दर्जाचे व्हॉइस इंजिन असू शकते, तर त्याची क्षमता केवळ सशुल्क आधारावर उपलब्ध आहे आणि या व्हॉईस इंजिनचा वापर करून मजकूरातील अनेक वाक्ये ऐकण्याची पूर्वीची विद्यमान क्षमता आता दुर्दैवाने मागे घेतली गेली आहे.

आवाज वाचण्याचे सॉफ्टवेअर

गोवोरिल्का कार्यक्रम

एक लहान सॉफ्टवेअर उत्पादन जो आपला मजकूर आवाजासह वाचण्यास सक्षम आहे, तर वाचन मजकूर wav आणि mp3 च्या फाईल्समध्ये वाचणे शक्य आहे. वाचण्यायोग्य फाईलचा आकार 2 गीगाबाइट्स पर्यंत मर्यादित आहे, तेथे आवाजाची गती, तिचा आवाज, वाचलेल्या मजकुराला ठळक करणे इत्यादी समायोजन आहे.

प्रोग्राम डाउनलोड करा (उदाहरणार्थ, येथून), स्थापित करा आणि चालवा. बॉक्समध्ये मजकूर प्रविष्ट करा आणि शीर्षस्थानी संबंधित प्ले बटणावर क्लिक करा.

"गोवोरिलका" कार्यक्रमाची कार्यरत विंडो अशी दिसते

संस्कार बोलणारा कार्यक्रम

सॅक्रॅमेंट टॉकर प्रोग्राम वापरून व्हॉईस ओव्हर टेक्स्ट देखील शक्य आहे. कार्यक्रमाचे स्वतःचे सक्रामेंट टीटीएस इंजिन 3.0 आणि सहा (!) संभाव्य रशियन आवाज आहेत, मोठ्या फायलींसह उत्कृष्ट कार्य करते, मजकूराच्या आवाजाच्या पुनरुत्पादनाची गुणवत्ता देखील उत्कृष्ट आहे.

प्रोग्रामसह कार्य करण्याचे तपशील मागील अॅनालॉगसारखेच आहेत.

मजकूर वाचण्यासाठी मोबाइल अॅप्स

अनेक मोबाईल वाचकांमध्ये आवाजाद्वारे मजकूर वाचण्यासाठी अंगभूत कार्यक्षमता असते, ज्याचा वापर सामान्य वापरकर्ता करू शकतो. अशा वाचकांमध्ये, मी कूल रीडर, नोमाड रीडर, FBReader, EBookDroid आणि इतरांची नोंद घेईन. त्यापैकी जवळजवळ प्रत्येकाकडे मजकूराच्या व्हॉईस प्लेबॅकचा पर्याय आहे, जो वापरकर्ता या प्रोग्रामच्या सेटिंग्जमध्ये शोधू शकतो.

जर, कोणत्याही कारणास्तव, वर सादर केलेल्या सेवा आपल्यास अनुरूप नसतील, तसेच यादी देखील तपासा.

निष्कर्ष

जर तुम्हाला ऑनलाईन व्हॉईससह मजकूर डब करण्यात स्वारस्य असेल तर मी वर सूचीबद्ध केलेल्या ऑनलाइन सेवा वापरून ते अंमलात आणले जाऊ शकते. त्याच वेळी, बहुतेक प्रकरणांमध्ये, त्यांची विनामूल्य कार्यक्षमता काही शंभर वर्णांपर्यंत मर्यादित असते आणि केवळ Google Translator ची कार्यक्षमता घन मजकुरासाठी डिझाइन केलेली असते. तरीसुद्धा, आपण पारंपारिक कार्यक्रमांची क्षमता वापरू शकता (विशेषतः, वर नमूद केलेले "टॉकर" आणि "सॅक्रॅमेंट टॉकर"), जे आपल्याला कोणत्याही समस्यांशिवाय आवश्यक मजकूर पुन्हा तयार करण्यास मदत करेल.

च्या संपर्कात आहे

नमस्कार!

"भाकरी शरीराला पोषण देते आणि पुस्तक मनाला पोषण देते" ...

पुस्तके ही आधुनिक माणसाची सर्वात मौल्यवान संपत्ती आहे. प्राचीन काळी पुस्तके दिसली आणि ती खूप महाग होती (एक पुस्तक गायींच्या कळपासाठी बदलले जाऊ शकते!). आधुनिक जगात, पुस्तके प्रत्येकासाठी उपलब्ध आहेत! त्यांना वाचून आपण अधिक साक्षर होतो, आपला दृष्टीकोन आणि कल्पकता विकसित होते. आणि सर्वसाधारणपणे, आम्ही अद्याप एकमेकांकडे हस्तांतरित करण्यासाठी ज्ञानाचा अधिक परिपूर्ण स्त्रोत घेऊन आलो नाही!

विकासासह संगणक तंत्रज्ञान(विशेषतः गेल्या 10 वर्षांमध्ये) - केवळ पुस्तके वाचणेच शक्य नाही, तर ते ऐकणे देखील शक्य झाले आहे (म्हणजे, तुम्ही ते वाचू शकाल विशेष कार्यक्रम, पुरुष किंवा महिला आवाज). मी तुम्हाला मजकूर स्कोअरिंगसाठी सॉफ्टवेअर साधनांबद्दल सांगू इच्छितो.

कार्यक्रमांच्या सूचीकडे जाण्यापूर्वी, मी एका सामान्य समस्येवर लक्ष केंद्रित करू इच्छितो आणि जेव्हा प्रोग्राम मजकूर वाचू शकत नाही तेव्हा प्रकरणांचा विचार करू इच्छितो.

वस्तुस्थिती अशी आहे की व्हॉईस इंजिन आहेत, ते भिन्न मानकांचे असू शकतात: एसएपीआय 4, एसएपीआय 5 किंवा मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म (मजकूर पुनरुत्पादनासाठी बहुतेक प्रोग्राममध्ये या साधनाची निवड असते). तर, हे तार्किक आहे की आवाजाद्वारे वाचण्यासाठी प्रोग्राम व्यतिरिक्त, आपल्याला इंजिनची आवश्यकता आहे (हे आपण कोणत्या भाषेत वाचले जाईल यावर अवलंबून असेल, कोणत्या आवाजात: पुरुष किंवा महिला इ.).

भाषण इंजिन

इंजिन विनामूल्य किंवा व्यावसायिक असू शकतात (अर्थात, व्यावसायिक इंजिन सर्वोत्तम ध्वनी गुणवत्ता प्रदान करतात).

SAPI 4. साधनांच्या कालबाह्य आवृत्त्या. आधुनिक पीसीसाठी कालबाह्य आवृत्त्या वापरण्याची शिफारस केलेली नाही. SAPI 5 किंवा मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म जवळून पाहणे चांगले.

एसएपीआय 5. आधुनिक भाषण इंजिन, तेथे विनामूल्य आणि सशुल्क दोन्ही आहेत. डझनभर SAPI 5 स्पीच इंजिन (महिला आणि पुरुष दोन्ही आवाजांसह) इंटरनेटवर आढळू शकतात.

टेक्स्ट-टू-स्पीच सॉफ्टवेअरपैकी एक. आपल्या पीसीला फक्त साध्या txt फायलीच वाचू देत नाही, तर बातम्या, RSS, इंटरनेटवरील कोणतीही वेब पृष्ठे, ईमेलइ.

याव्यतिरिक्त, हे आपल्याला मजकूर एमपी 3 फाईलमध्ये रूपांतरित करण्यास अनुमती देते (जे आपण नंतर कोणत्याही फोन किंवा एमपी 3 प्लेयरवर डाउनलोड करू शकता आणि उदाहरणार्थ रस्त्यावर ऐकू शकता). त्या. आपण स्वतः ऑडिओ पुस्तके तयार करू शकता!

आयव्होना कार्यक्रमाचे आवाज वास्तविक लोकांसारखेच आहेत, उच्चारण पुरेसे वाईट नाही, ते अडखळत नाहीत. तसे, कार्यक्रम शिकणाऱ्यांसाठी उपयुक्त ठरू शकतो परदेशी भाषा... तिचे आभार, आपण विशिष्ट शब्द, वळणांचे योग्य उच्चारण ऐकू शकता.

एसएपीआय 5 चे समर्थन करते, तसेच ते बाह्य अनुप्रयोगांसह चांगले सहकार्य करते (उदाहरणार्थ, Apple पल आयट्यून्स, स्काईप).

उदाहरण (माझ्या अलीकडील लेखांपैकी एकाची नोंद)

गैरसोयींपैकी: तो काही अपरिचित शब्द चुकीचा ताण आणि अंतर्ज्ञानासह वाचतो. सर्वसाधारणपणे, ऐकणे पुरेसे वाईट नाही, उदाहरणार्थ, जेव्हा आपण व्याख्यान / धड्यावर जाता तेव्हा इतिहासाच्या पुस्तकातील परिच्छेद - त्याहूनही अधिक!

बालाबोल्का

बालाबोल्का कार्यक्रम प्रामुख्याने मजकूर फायली मोठ्याने वाचण्यासाठी आहे. प्ले करण्यासाठी, आपल्याला प्रोग्राम व्यतिरिक्त, व्हॉइस इंजिन (स्पीच सिंथेसायझर्स) आवश्यक आहेत.

कोणत्याही मल्टीमीडिया प्रोग्राममध्ये उपस्थित असलेल्या ("प्ले / पॉज / स्टॉप") प्रमाणेच मानक बटणे वापरून भाषणाचे पुनरुत्पादन नियंत्रित केले जाऊ शकते.

प्लेबॅक उदाहरण (समान)

बाधक: तो काही अपरिचित शब्द नीट वाचत नाही: ताण, इंटोनेशन. कधीकधी, तो विरामचिन्हे वगळतो आणि शब्दांच्या दरम्यान विराम देत नाही. परंतु सर्वसाधारणपणे, आपण ऐकू शकता.

तसे, आवाजाची गुणवत्ता जोरदारपणे भाषण इंजिनवर अवलंबून असते, म्हणूनच, त्याच प्रोग्राममध्ये, प्लेबॅक आवाज लक्षणीय भिन्न असू शकतो!

ICE बुक रीडर

पुस्तकांसह काम करण्यासाठी एक उत्कृष्ट कार्यक्रम: वाचन, कॅटलॉगिंग, इच्छित एक शोधणे, इत्यादी मानक दस्तऐवजांव्यतिरिक्त जे इतर प्रोग्रामद्वारे वाचले जाऊ शकतात (TXT-HTML, HTML-TXT, TXT-DOC, DOC-TXT, PDB -TXT, LIT-TXT, FB2-TXT, इ.) ICE बुक रीडर .LIT, .CHM आणि ePub फाईल फॉरमॅटला सपोर्ट करते.

याव्यतिरिक्त, ICE बुक रीडर केवळ वाचनच नाही तर एक उत्कृष्ट डेस्कटॉप लायब्ररी देखील अनुमती देते:

• आपल्याला कॅटलॉग पुस्तके (250,000 हजार प्रती पर्यंत!) संचयित करण्याची, प्रक्रिया करण्याची परवानगी देते;
• आपल्या संग्रहाची स्वयंचलित ऑर्डर;
• आपल्या "डंप" मधून पुस्तकाचा द्रुत शोध (विशेषत: जर आपल्याकडे बरेच कॅटलॉग नसलेले साहित्य असेल तर);

सक्रामेंट टॉकरसह, तुम्ही तुमचा संगणक बोलणाऱ्या ऑडिओ बुकमध्ये बदलू शकता! सक्रामेंट टॉकर आरटीएफ आणि टीएक्सटी फॉरमॅटला सपोर्ट करतो, आपोआप फाइल एन्कोडिंग ओळखू शकतो (कदाचित, कधीकधी तुम्ही लक्षात घेतले असेल की काही प्रोग्राम्स मजकुराऐवजी "क्रॅकर्स" असलेली फाईल उघडतात, पण सक्रॅमेंट टॉकरमध्ये हे अशक्य आहे!).

याव्यतिरिक्त, सक्रामेंट टॉकर आपल्याला पुरेशा मोठ्या फायली प्ले करण्यास, काही फाईल्स पटकन शोधण्याची परवानगी देतो. आवाजाचा मजकूर केवळ संगणकावरच ऐकला जाऊ शकत नाही, तर एमपी 3 फाईलमध्ये देखील जतन केला जाऊ शकतो (जो नंतर कोणत्याही खेळाडू किंवा फोनवर कॉपी केला जाऊ शकतो आणि पीसीपासून दूर ऐकला जाऊ शकतो).

सर्वसाधारणपणे, एक अतिशय चांगला प्रोग्राम जो सर्व लोकप्रिय व्हॉईस इंजिनांना समर्थन देतो.

आजसाठी एवढेच. आजचे कार्यक्रम अजूनही पूर्णपणे (१००% गुणात्मक) मजकूर वाचू शकत नाहीत हे असूनही एखादी व्यक्ती ते वाचत आहे हे ठरवू शकत नाही: एक कार्यक्रम किंवा एक व्यक्ती ... परंतु मला वाटते की एखाद्या दिवशी कार्यक्रम यापर्यंत पोहोचतील: शक्ती संगणक वाढत आहे, इंजिन व्हॉल्यूममध्ये वाढत आहेत (अधिक आणि अधिक जटिल भाषणाच्या वळणांसह) - याचा अर्थ असा की लवकरच प्रोग्राममधील आवाज सामान्य मानवी भाषणापासून वेगळा होईल?!

आनंदी काम!




सामाजिक बटणे.

सर्व आरोग्य!

लोक शहाणपण: "प्राचीन काळापासून एखाद्या पुस्तकाने एखाद्या व्यक्तीला उभे केले आहे" ...

आधुनिक डिजिटल जगाबद्दल कोण काही बोलणार नाही, तो पेपर लवकरच मरेल, इत्यादी. - शेवटी, पुस्तके, माझ्या मते, बर्याच काळासाठी उपयुक्त आणि संबंधित असतील. उलट, आधुनिक तंत्रज्ञानआपल्याला आवश्यक असलेली पुस्तके आणि त्यातील माहिती अधिक जलद आणि सहज शोधण्यात आपली मदत करा. आता, तसे, आपण एक संपूर्ण लायब्ररी एका टॅब्लेटमध्ये लोड करू शकता आणि कुठेही त्याच्याशी परिचित होऊ शकता, उदाहरणार्थ, कामाच्या मार्गावर, घरी, शाळेत इत्यादी!

पण आणखी एक फायदा आहे जो आधुनिक सॉफ्टवेअर आपल्याला देतो - ही पुस्तके ऐकण्याची क्षमता आहे, जणू एखादी वास्तविक व्यक्ती ती तुम्हाला वाचत आहे! आधुनिक व्हॉइस इंजिन आपल्याला पुरुष, महिला, मुलांच्या आवाजात मजकूर ऐकण्याची परवानगी देतात. प्रत्येक गोष्टीबद्दल, अधिक तपशील खाली ...

महत्वाचे!खाली सादर केलेल्या कार्यक्रमांना तुमच्या पुस्तकाचा मजकूर (मासिक, वर्तमानपत्र इ.) वाचता येण्यासाठी, व्हॉइस इंजिन आवश्यक आहे. त्या. आपल्याला कार्य करण्यासाठी रीडर + इंजिनची आवश्यकता आहे! तसे, वाचनाची गुणवत्ता थेट इंजिनवर अवलंबून असते (जेणेकरून "बी-मी" नाही, आपल्याला एक चांगले व्हॉइस इंजिन निवडण्याची आवश्यकता आहे).या लेखाच्या दुसऱ्या भागात इंजिनबद्दल तपशीलवार.

सर्वोत्तम कार्यक्रमांची यादी

(टीप: मजकूर वाचण्यासाठी)

गोवोरिल्का

आवाजाने मजकूर वाचण्यासाठी तयार केलेला एक अतिशय छोटा कार्यक्रम. आपण कोणत्या व्हॉइस इंजिनला कनेक्ट करता यावर अवलंबून प्रोग्राम वेगवेगळ्या भाषांमधील मजकूर वाचू शकतो. एमपी 3 फायली तयार करण्याची क्षमता प्रदान करते (उदाहरणार्थ, ऑडिओबुक तयार करा, अलीकडे खूप लोकप्रिय).

"गोवोरिलका" कार्यक्रमाची मुख्य चौकट

महत्वाची वैशिष्टे:

1. विविध फायलींमधून मजकूर वाचणे: डॉस आणि विंडोज एन्कोडेड; वाचनीय मजकूर 2 जीबी पर्यंत असू शकतो; वर्ड, एचटीएमएल फाइल्स उघडते;
2. वाचनाची गती, व्हॉइस पिच, व्हॉल्यूम इत्यादी समायोजित करण्याची क्षमता;
3. एमपी 3 स्वरूपात वाचण्यायोग्य मजकूर रेकॉर्ड करण्याची क्षमता (तसे, आपण वाढीव वेगाने रेकॉर्ड करू शकता);
4. तुम्ही पुस्तक वाचल्यावर (आणि ते तुम्हाला दाखवतात) कार्यक्रम आपोआप पृष्ठे (मजकूर) मधून फिरतो;
5. वैयक्तिक शब्द आणि वाक्ये दुरुस्त करणे शक्य आहे, ते योग्यरित्या कसे उच्चारले जाणे आवश्यक आहे;
6. जेव्हा प्रोग्राम बंद होतो, तो आपोआप शेवटची कर्सर स्थिती लक्षात ठेवतो;
7. पूर्णपणे रशियन मध्ये, सर्व आधुनिक मध्ये कार्य करते विंडोज आवृत्त्या 7, 8, 10.

डिमागॉग

हा प्रोग्राम 1 मध्ये 2 आहे: हा युनिकोडच्या समर्थनासह एक मजकूर संपादक आहे आणि SAPI4 / SAPI5 ( टीप: इंजिन बद्दल, लेखाचा दुसरा भाग पहा). कार्यक्रम त्याच्या अनेक स्पर्धकांपेक्षा भिन्न आहे, कारण त्याच्या विकासादरम्यान, शब्दकोश प्रतिस्थापनांचे विशेष अल्गोरिदम वापरले गेले, जे वाचलेल्या मजकुराच्या योग्य उच्चारांवर परिणाम करतात. तसेच, डेमागॉगमध्ये शब्दहीन शब्दलेखन तपासक आहे.

डिमागॉग - उदाहरण वाचणे // मुख्य विंडो

कार्यक्रमाची मुख्य वैशिष्ट्ये:

1. विविध स्वरूपातील मजकूर वाचणे: एमएस वर्ड, ई-बुक आणि एचटीएमएल (चित्रे आयात करण्यासाठी समर्थन);
2. स्वरूपांमध्ये ऑडिओ फायली रेकॉर्ड करण्याची क्षमता: WAV, MP3, OGG, WMA, MP4;
3. सानुकूल ऑडिओ कोडेक्स कनेक्ट करण्याची क्षमता;
4. शुद्धलेखनाच्या चुका ठळक करणे;
5. उच्चारण शब्दकोषांसाठी समर्थन (डीआयसी स्वरूप), त्यांना संपादित करण्याची क्षमता;
6. 100% रशियन भाषा समर्थन;
7. OS Windows XP, Vista, 7, 8, 10 (32/64 बिट्स) मध्ये काम करते.

बालाबोल्का

"बालाबोल्की" कार्यक्रमाचा मुख्य हेतू म्हणजे "जिवंत मानवी" आवाजासह पुस्तके, कागदपत्रे इत्यादींचे मजकूर वाचणे. आपल्या PC वर स्थापित केलेले कोणतेही व्हॉइस इंजिन वाचनासाठी वापरले जाऊ शकतात.

महत्वाची वैशिष्टे:

1. "सामान्य" वाचन व्यतिरिक्त (इतर उपयोगितांप्रमाणे), "बालाबोल्का" क्लिपबोर्डवरून मजकूर वाचू शकतो, विविध दस्तऐवजांमधून मजकूर प्रदर्शित करू शकतो, कीबोर्डवर टाइप केलेला मजकूर उच्चारू शकतो;
2. फक्त मोठ्या संख्येने फाइल स्वरूपनांचे समर्थन करते: AZW, AZW3, CHM, DjVu, DOC, DOCX, EPUB, FB2, HTML, LIT, MOBI, ODT, PDB, PDF, PRC, RTF, TCR, WPD;
3. शब्दलेखन तपासू शकता, मोठ्या कागदपत्रांना अनेक लहान कागदपत्रांमध्ये विभागू शकता, होमोग्राफ शोधू शकता;
4. मजकूर ऑडिओ फाइल स्वरूप म्हणून जतन केला जाऊ शकतो: WAV, MP3, MP4, OGG आणि WMA;
5. मायक्रोसॉफ्ट स्पीच एपीआय (एसएपीआय) कडून पॅकेजेससह कसे कार्य करावे हे माहित आहे;
6. आपण भाषणाचा वेग आणि वेळ बदलू शकता;
7. रशियन भाषेसाठी पूर्ण समर्थन;
8. ओएस: मायक्रोसॉफ्ट विंडोज एक्सपी / व्हिस्टा / 7/8/10.

ICE बुक रीडर

ICE बुक रीडर सर्वात शक्तिशाली मजकूर वाचन कार्यक्रमांपैकी एक आहे (दोन्ही कानांनी आणि फक्त पीसी स्क्रीनवरून). मुख्य फायद्यांपैकी एक: कार्यक्रम तुमची दृष्टी वाचवतो, ज्यामुळे पुस्तकातून मजकूराचे प्रदर्शन सानुकूलित करणे शक्य होते जेणेकरून ते तुमच्यासाठी सर्वात सोयीचे असेल (फॉन्ट आकार, इंडेंट्स, रंग, इ. - डझनभर विविध पॅरामीटर्स).

पुस्तक वाचण्याचे उदाहरण

वापरकर्त्यासाठी मोठ्याने पुस्तके वाचण्याबद्दल, आयसीई बुक रीडर हे नक्कीच करू शकते (अन्यथा मी ते पुनरावलोकनात समाविष्ट केले नसते). एसएपीआय 4 आणि एसएपीआय 5 व्हॉइस इंजिनला समर्थन देते.

वाचण्याव्यतिरिक्त, ते पुस्तकातून एमपी 3 / डब्ल्यूएव्ही फायली तयार करू शकते (जे नंतर कोणत्याही एमपी 3 प्लेयरवर ऐकले जाऊ शकते). एमपी 3 पुस्तके तयार करताना, तसे, आपल्याला मोठ्या WAV फायली संग्रहित करण्याची आवश्यकता नाही - प्रोग्राम त्यांना फ्लायमध्ये एमपी 3 मध्ये रूपांतरित करतो. तसे, मल्टी-थ्रेडेड कोरचे आभार, कार्यक्रम खूप लवकर ऑडिओबुक तयार करू शकतो: अनेक भाषण संश्लेषण मॉड्यूल (एसएपीआय) एकाच वेळी संपूर्ण पुस्तक "म्हणू" शकतात.

शेवटचे परंतु कमीतकमी, ICE बुक रीडर आपल्याला पुस्तकांसह आपली हार्ड ड्राइव्ह नीटनेटकी करण्याची परवानगी देते: 250,000 पुस्तकांची माहिती व्यवस्थापित करण्याचा एक मार्ग! प्रोग्राम विंडोजच्या सर्व लोकप्रिय आवृत्त्यांमध्ये कार्य करतो: XP, 7, 8, 10.

बोलणारा

विकसक साइट: http://govorunplus.narod.ru/

MS Agent 2.0 तंत्रज्ञानावर आधारित साधा आणि विश्वासार्ह कार्यक्रम. भाषण संश्लेषणासाठी, ते आपल्या सिस्टममध्ये असलेल्या कोणत्याही SAPI इंजिनचा वापर करू शकते. प्रोग्राम डिझाइनसह चमकत नाही, परंतु तो अगदी मूळ (खाली स्क्रीन) बनविला गेला आहे. आणि कार्यक्रम बर्‍यापैकी बहुआयामी आहे (म्हणून पहिल्या दृष्टीक्षेपात निष्कर्ष काढणे अकाली आहे तेव्हा ही परिस्थिती आहे!).

कार्यक्रमाची वैशिष्ट्ये:

1. फाईल फॉरमॅट वाचतो आणि सेव्ह करतो: TXT, RTF (वर्डच्या कोणत्याही आवृत्तीत तयार करता येते);
2. कमांड लाइनसह कार्य करण्याची क्षमता;
3. फाइलवर उजवे-क्लिक करून मजकूर वाचण्यासाठी एक्सप्लोररमध्ये समाकलित करण्याची क्षमता (फक्त विन 98 / एमई, एनटी, 2000, एक्सपी समर्थित आहे);
4. मीडिया फाइल्सचा अंगभूत प्लेअर आहे;
5. किस्से, aphorisms, विनोद, इ कार्यक्रम मध्ये अंतर्भूत आहेत - आपण कधीही कंटाळा येऊ देणार नाही;
6. पुनरुत्पादित भाषण WAV फाईलमध्ये रेकॉर्ड केले जाऊ शकते;
7. प्रोग्राम स्वतःद्वारे सानुकूलित केला जाऊ शकतो: रंग, डिझाइन, फॉन्ट इ.
8. रशियन मध्ये, विंडोज एक्सपी, 7, 8, 10 मध्ये कार्य करते.

RussAcc

मोठ्याने मजकूर वाचण्यासाठी आणि ऑडिओबुक तयार करण्यासाठी एक अतिशय वेगवान आणि सोयीस्कर प्रोग्राम (अनेक स्वरूप आहेत, विशेषत: समान सॉफ्टवेअरच्या तुलनेत: wav, mp3, amr, aac). याव्यतिरिक्त, प्रोग्राम आपल्याला ग्रंथांमध्ये तणाव योग्यरित्या ठेवण्याची आणि पीसी स्क्रीनवरून पुस्तके वाचण्याची परवानगी देतो. प्रोग्राममध्ये अंगभूत संपादक आहे आणि त्याच्याद्वारे पुनरुत्पादित केलेला कोणताही मजकूर - आपण संपादित करू शकता.

कार्यक्रमाची मुख्य विंडो // RussAcc

प्रोग्राम सेटिंग्जमध्ये, आपण फॉन्ट आकार सेट करू शकता, रंग निर्दिष्ट करू शकता ज्यासह वाचनीय तुकडा हायलाइट करावा. आपण एमपी 3 रेकॉर्डिंगसाठी मापदंड निर्दिष्ट आणि कॉन्फिगर करू शकता: बिट दर, बिट्सची संख्या इ.

RussAcc सर्व लोकप्रिय ध्वनी इंजिनांना समर्थन देते आणि कार्य करते. त्याच्या स्वतःच्या डेटाबेसमध्ये, प्रत्येक शब्दासाठीच्या कार्यक्रमाची विविध परिस्थितींमध्ये तणाव असलेली त्याची विशेष रूपे आहेत (3 दशलक्षाहून अधिक फॉर्म!).

तसे, RussAcc अशा लोकप्रिय स्वरूपाचे समर्थन करते ई-पुस्तके fb2 सारखे (आणि ते नियमित txt फाइल मध्ये रूपांतरित देखील करू शकते). नवीन ओएस विंडोज 7, 8.1, 10 सह सुसंगत रशियन भाषेचे समर्थन करते.

व्हॉइस इंजिन: नर आणि मादी

टेक्स्ट-टू-स्पीच इंजिन - हे एक विशेष सॉफ्टवेअर आहे, एक प्रकारचा ड्रायव्हर, संगणकासाठी "बोलणे" (अर्थात, मजकूर भाषणात रूपांतरित करण्यासाठी) आवश्यक आहे. नेटवर्कवर आता शेकडो इंजिने आहेत: सशुल्क आणि विनामूल्य दोन्ही आहेत. सर्वोत्तम वाचन गुणवत्ता, अर्थातच, सशुल्क इंजिनद्वारे दर्शविली जाते.

महत्वाची टीप: भाषण संश्लेषण इंजिनमध्ये कोणतेही डिझाइन किंवा इंटरफेस नाही. सिस्टममध्ये स्थापित केल्यानंतर, आपल्याला कोणतेही बदल लक्षात येणार नाहीत! इंजिनसह कार्य करण्यासाठी, आपल्याला मजकूर वाचण्यासाठी काही प्रकारच्या प्रोग्रामची आवश्यकता आहे: बालाबोल्का, टॉकर, आइस रीडर इ., वर मी फक्त "मला आवडते" ते दिले 😆).

म्हणूनच, वापरकर्ते अनेकदा या किंवा त्या प्रोग्रामवर टीका करतात की तो रशियन मजकूर वाचू शकत नाही (किंवा अजिबातच करू शकत नाही). ते फक्त भाषण इंजिन स्थापित करण्याची गरज विसरतात.

मानकांबद्दल काही शब्द ...

व्हॉइस इंजिन वेगवेगळ्या मानकांमध्ये (तथाकथित) केले जाऊ शकतात, सर्वात मूलभूत तीन: एसएपीआय 4, एसएपीआय 5 किंवा मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म (टीप: जवळजवळ प्रत्येक वाचकामध्ये, आपण भाषण इंजिन निवडू शकता).

SAPI 4

एक ठोस मानक, ते डझनभर वर्षांपूर्वी संबंधित होते. हे आज कालबाह्य झाले आहे आणि आधुनिक संगणक / लॅपटॉपवर त्याचा वापर न्याय्य नाही.

SAPI 5

मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म

मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म हा विकसक साधनांचा एक समृद्ध संच आहे जो आपल्याला मजकूर-ते-भाषण क्षमता अंमलात आणण्यास सक्षम करतो.

हा साधनांचा एक संच आहे जो विविध अनुप्रयोगांच्या विकासकांना त्यांच्यामध्ये मजकूर आवाजात रूपांतरित करण्याची क्षमता लागू करण्यास अनुमती देतो.

टीप! स्पीच सिंथेसायझर कार्य करण्यासाठी, आपण हे करणे आवश्यक आहे:

मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म - रनटाइम - प्लॅटफॉर्मची सर्व्हर बाजू जी प्रोग्रामसाठी API प्रदान करते;
मायक्रोसॉफ्ट स्पीच प्लॅटफॉर्म - रनटाइम भाषा - सर्व्हर बाजू चालवण्यासाठी भाषा.

टेक्स्ट-टू-स्पीच इंजिन डिगालो // निकोले

संकेतस्थळ: http://www.digalo.com/index.htm

खूप लोकप्रिय रशियन व्हॉइस इंजिन (पुरुष आवाज!). व्हॉईसद्वारे मजकूर वाचू शकणाऱ्या बहुतेक प्रोग्राम्ससाठी योग्य. माझ्या नम्र मते, सर्वोत्तम मुक्त स्त्रोत भाषण संश्लेषण इंजिनांपैकी एक (रशियन मध्ये). डेव्हलपरच्या वेबसाइटवर रशियन व्यतिरिक्त, आणखी अनेक भाषांसाठी इंजिन उपलब्ध आहेत. वजा: हे नोंदणीशिवाय केवळ दोन आठवडे कार्य करते.

संकेतस्थळ: http://www.acapela-group.com/

Alyonka Acapela पासून तुलनेने नवीन रशियन महिला भाषण इंजिन आहे. 22 KHz च्या वारंवारतेसह SAPI-5 मानकांनुसार कार्य करते. काही वापरकर्त्यांचा असा विश्वास आहे की अलेनाचा आवाज निकोलाईपेक्षा चांगला आहे.

विकसक कंपनी: स्कॅनसॉफ्ट रिअलस्पीक

खूप चांगले महिला व्हॉइस इंजिन. इंजिनमध्ये सुधारणा केल्यानंतर, त्याची तुलना "निकोलाई" शी झाली. इंजिनच्या फोनेटिक बेसमध्ये महत्त्वपूर्ण सुधारणा झाली आहे, तणाव सेटिंग अल्गोरिदम बदलला गेला आहे (ज्याचा ध्वनीवर सकारात्मक परिणाम झाला), उच्चार गतीसह समस्या दूर झाली आहे.

संकेतस्थळ: http://tiflo.info/rhvoice/

RHVoice एक बहुभाषिक मुक्त स्त्रोत भाषण सिंथेसायझर आहे मूळ सांकेतिक शब्दकोश... विंडोज आणि लिनक्स ओएस वर वापरले जाऊ शकते. सिंथेसायझर SAPI5 सह सुसंगत आहे. सिंथेसायझरची रचना ओल्गा याकोव्लेवा यांनी केली आहे.

तसे, इंजिन स्पीकर्सद्वारे रेकॉर्ड केलेल्या स्पीच बेसवर आधारित आहे. रशियन आवाज "एलेना" आणि "इरिना" अधिकृत वेबसाइटवर डाउनलोड करण्यासाठी उपलब्ध आहेत.

IVONA तात्याना / मॅक्सिम

संकेतस्थळ: https://www.ivona.com/us/about-us/voice-portfolio/

अतिशय मनोरंजक तरुण व्हॉइस इंजिन (त्यापैकी 2 आहेत: नर आणि मादी आवाज). बरेच लोक तात्यानाचा आवाज सर्वोत्कृष्ट मानतात (जर सर्वोत्तम नसेल तर!). वरील दुव्याचा वापर करून, तुम्ही तुमचे मजकूर कसे वाजतील हे ऐकू शकता, म्हणून बोलण्यासाठी, एक पोर्टफोलिओ (माझ्या मते, ते खूप छान वाटतात).

इंजिन सर्वाधिक वापरले जाईल की नाही - मला माहित नाही, वेळ सांगेल!

तसे, तुम्हाला काय वाटते, एक भाषण इंजिन कधी विकसित केले जाईल जे सामान्य व्यक्तीच्या आवाजापासून वेगळे नाही? किंवा कदाचित ते आधीच अस्तित्वात आहे, परंतु मी त्याबद्दल ऐकले नाही ... (नाव टाकून द्या!)

बस्स, शुभेच्छा!