Talesynteser på dansk

Sprogteknologi
Kirsten Marie Hansen,
konsulent,
Inger Kirk Jordansen,
konsulent
HMI
FOTO: TRINE BJERRE MIKKELSEN
10
Talesynteser på dansk
– og lidt om digitaliseret tale
Talesyntese har været kendt og anvendt i Danmark
inden for handicapområdet i adskillige år.
Denne artikel giver et overblik over området, og
over hvad der er sket, siden den første danske
talesyntese fik lyd.
Historik
De første danske talesynteser, der blev benyttet var Apollo
og Juno fra Dolphin System og senere kom Infovox 500,
som kunne tilbyde en noget bedre talekvalitet. Det var
udelukkende blinde, der benyttede talesyntese, da de formåede
at lære at forstå de meget robot-agtige stemmer.
Trods en løbende forbedring af talekvaliteten i Infovox
op gennem 90-erne virkede den stadig ikke tilfredsstillende
udtalekvalitet hindrende for, at talesyntese blev udnyttet
i det omfang og til de forskellige handicapgrupper,
hvor det ville være relevant, og som man så i fx USA. En
anden væsentlig hindring for udbredelsen af talesyntese
var prisen, som var for høj til at sikre en bred anvendelse.
Heidi er ordblind. Hun var en af de første, der fik bevilget ITudstyr
efter SPS-reglerne. I sit studie bruger hun en bærbar
computer med bl.a. prædiktionsprogrammer og et
oplæsningsprogram med talesyntese, elektroniske ordbøger,
en mini-disc med tilhørende mikrofon og en skanner med
tilhørende tekstgenkendelsesprogram. Desuden bruger hun
lydbånd, hvor nogle af de bøger, hun skal bruge i undervisningen,
er indtalt.
Begge forhold var medvirkende til, at Forskningsministeriet
i 1998, som led i handlingsplanen Frihed til at vælge fra
1996 afholdt en projektkonkurrence om udvikling af en ny
og forbedret talesyntese til det danske marked. Konkurrencen
blev vundet af et konsortium bestående af Tele
Danmark A/S, Center for Personkommunikation ved Aalborg
Universitet, Institut for Almen og Anvendt Sprogvidenskab
ved Københavns Universitet og Tawido Aps, Aalborg.
Udviklingsprojektet resulterede i sommeren 2001 i talesyntesen
DanTTS, som er mest kendt under navnet Carsten,
og som i dag ejes og videreudvikles af Speech-Ware
A/S. Carsten har siden fået en søster Benedicte, således at
DanTTS både fås med en mande- og en kvindestemme.
I februar 2000 blev Infovox 330 med stemmen Poul frigivet
på det danske marked. Denne talesyntese, som byggede
på et anderledes synteseprincip end tidligere, havde
en væsentlig bedre udtale end de tidligere InfoVox-synteser
. Infovox, som tidligere var ejet af Telia, er i dag overtaget
af BaBel Infovox AB i Sverige.
I efteråret 2001 kom der endnu en dansk talesyntese på
markedet. Talesyntesen blev udviklet i et samarbejde mellem
Lernout & Hauspie i Belgien og Nordisk Språkteknologi
AS i Norge. Talesyntesen fik betegnelsen L&H RealSpeak
og blev i første omgang lanceret som en selvstændig applikation
under navnet ReadIT med stemmen Nanna. Rettighederne
til talesyntesen blev senere købt af Scansoft,
og i dag sælges produktet derfra under navnet Scansoft
RealSpeak.
Den efterhånden udmærkede talekvalitet i de nye danske
talesynteser har medført, at nye handicapgrupper i stigende
omfang er begyndt at anvende talesyntese som kompenserende
hjælpemiddel eller som støtteværktøj i undervisningen.
Danske talesynteser
I det følgende ses en oversigt over de talesynteser, som i
dag forhandles på det danske marked. Der henvises til forhandlerne
for oplysning om priser. De ældre talesynteser
har enten ingen nye brugere eller er udgået af markedet.
Det drejer sig om talesynteserne Apollo og Juno, Infovox
500, Infovox 700 og Infovox 220. Disse er efterhånden erstattet
af nyere softwarebaserede konkatenative talesynteser,
der bygger på difon-princippet og har en mere naturlig
udtale.
HIT1 2003

Infovox 210: Softwarebaseret talesyntese til Macintosh.
Benyttes med programmer, der er forberedt til at bruge
talen. Infovox 310 er afløseren til denne talesyntese.
Giver mulighed for flere sprog.
Infovox 230: Softwarebaseret talesyntese til Windows 95
og nyere versioner. Kan også benyttes med Windows
3.1. Giver forskellige muligheder for at indstille stemmen.
Talen bygger på formant-princippet. Leveres med
både dansk og engelsk tale. Benyttes af mennesker med
synshandicap, læse- skrivehandicap og enkelte med tale-kommunikationshandicap.
Giver mulighed for flere
sprog.
Infovox 310: Softwarebaseret talesyntese til Macintosh.
Talen bygger på difon-princippet. Benyttes med programmer,
der er forberedt til at bruge talen.
Giver mulighed for flere sprog.
Infovox 330: Softwarebaseret talesyntese til alle Windows
95/98 og nyere versioner.
Talen bygger på difon-princippet. Fås på dansk med
forskellige muligheder for at indstille stemmen. Fås også
indbygget i applikationer som totalløsninger med bl.a.
mandestemmen Poul. Benyttes af mennesker med synshandicap,
læse-skrivehandicap og i stigende omfang
også af mennesker med tale- og kommunikationshandicap.
Har Microsoft SAPI 4 grænseflade. Giver mulighed
for flere sprog.
DanTTS 2.1 : Softwarebaseret talesyntese til Windows
98 og nyere versioner. Talen bygger på difon-princippet.
Fås på dansk som mandestemme, kaldet Carsten og
kvindestemme, kaldet Benedicte. Giver også flere muligheder
for at indstille stemmen. Benyttes af mennesker
med synshandicap, læse-skrivehandicap og i stigende
omfang også af mennesker med tale- og kommunikationshandicap
og andre. Har Microsoft SAPI 4 grænseflade.
Giver ikke mulighed for flere sprog.
Scansoft RealSpeak: Softwarebaseret talesyntese til
Windows 98 og nyere versioner. Talen bygger på difonprincippet.
Fås på dansk som kvindestemme kaldet
Nanna. Giver også flere muligheder for at indstille stemmen.
Benyttes af mennesker med læse-skrivehandicap
og i stigende omfang også af mennesker med tale- og
kommunikationshandicap og andre funktionsnedsættelser.
Giver mulighed for flere sprog. Real Speak Nanna
har indtil nu kun været tilgængelig i en udgave, der ikke
er SAPI kompatibel. Men en sådan er nu på markedet i
Danmark. Man har altså både en løsning, der skal implementeres
specielt, og som ikke kan benyttes sammen
med andre SAPI produkter, og én der kan.
Digitaliseret tale på dansk
I nogle situationer er det af stor betydning, at udtalekvaliteten
af de enkelte ord er lige så god som den menneskelige
stemme. Ingen af de danske talesynteser er dog endnu
i stand til at leve op til dette krav, så i disse tilfælde må
man i stedet vælge at benytte digitaliseret tale. Digitaliseret
tale er indtalt tale, som gemmes i en database. Mikro-
Værkstedet i Odense har gennem flere år forhandlet en cd
med digitaliseret tale. CD-ORD, som produktet hedder, er
gennem årene blevet udbygget og findes i dag i to forskellige
versioner:
CD-ORD 3.5: Består af en grundstamme på ca. 70.000
indlæste danske ord. Programmet kan ud over oplæsning
af disse ord selv lave sammensatte ord og bøjninger.
På den måde bliver det samlede ordforråd på mere
end 300.000 ord. Man kan endvidere tilføje/indtale egne
ord til CD-ORDs database. CD-ORD 3.5 er SAPI kompatibel.
Kan anvendes på pc som selvstændigt oplæsningsværktøj
og i programmer, der er forberedt til SAPI.
Giver ikke mulighed for flere sprog.
CD-ORD Nanna: I CD-ORD Nanna indgår de ca. 70.000
indlæste danske ord fra CD-ORD 3.5 (stemmen Per),
samt den danske syntetiske tale Real Speak - Nanna.
Man kan vælge om teksten udelukkende skal læses op
med den syntetiske tale eller med den digitale stemme
eller begge. CD-ORD Nanna er ikke SAPI kompatibel.
Kan anvendes på pc som selvstændigt oplæsningsværktøj
og i programmer, der er særlig forberedt til det – er
programmeret op imod CD-ORD Nanna. Giver ikke mulighed
for flere sprog. En SAPI-udgave af CD-ORD Nanna
er under udvikling og vil være i handlen i august 2003.
Denne version vil altså kunne benyttes i alle SAPI forberedte
produkter.
FOTO: OLE MIK
Jack er født med cerebral parese. Det betyder, at han har
store motoriske problemer. Han kommunikerer bl.a. ved
hjælp af en lille maskine med syntetisk tale, der udtaler det,
som skrives på tastaturet. Maskinen er handy og let at tage
med. I Jacks tilfælde er den monteret på kørestolen, så den
altid er tilgængelig. Den er derfor brugbar i flere dagligdags
situationer. Specielt er den velegnet, når ordvalget skal være
meget præcist, eller Jack taler med en person, der ikke
kender hans andre kommunikationsmåder.
Sprogteknologi
HIT1 2003 11

Sprogteknologi
12
FOTO: KLAUS LASVILL-MORTENSEN
Når talesynteserne skal bruges til pc
SAPI talesynteserne til Windows, InfoVox 330 og DanTTS er
synteser, som har en indbygget Microsoft SAPI grænseflade.
Det betyder, at man i princippet kan anvende dem
som et selvstændigt oplæsningsværktøj, dog med meget
begrænsede funktioner. Man kan åbne syntesens „program“
og få læst tekst op på computeren ved at benytte
markér tekst og få læst op via klippebordet. Har man købt
talesyntesen som selvstændig software, vil man altid kunne
benytte denne funktion.
Det forholder sig anderledes med den udgave af talesyntesen
Real Speak fra ScanSoft, som ikke er SAPI kompatibel.
Derfor har man også i forbindelse med udviklingen
af talesyntesen, udviklet applikationen (oplæsningsværktøjet)
Read IT, der i princippet svarer til de grænseflader,
som SAPI talesynteserne InfoVox og DanTTS indeholder.
Programmer forberedt til talesyntese (åbne systemer)
Oftest har man brug for programmer, der anvender talesyntese
– det vil sige programmer, der er forberedt til at
bruge talesyntese. For talesyntesen i sig selv udgør blot
„stemmen“ i tilknytning til et computerprogram (en applikation).
De programmer, der er forberedt til at kunne
hente tale, indeholder forskellige oplæsningsfaciliteter, der
kan bruges sammen med talen.
Hvis både talen og programmet er SAPI-kompatibelt (SA-
PI-forberedt), kan man bruge den samme talesyntese i flere
forskellige programmer, og man kan frit vælge, hvilken
Bo har svære læse-skrivevanskeligheder, men
ikke særlige problemer med forståelsen af en
tekst. På et AMU-kursus om mobile kraner får
han forskelligt udstyr som kompenserer for læsevanskelighederne
og udstyr som støtter notattagning.
Det drejer sig om en bærbar pc,
skanner og tekst-genkendelsesprogram, et
oplæsningsværktøj med syntetisk tale, minidisk
som hjælp til notattagning, skannerpen til
oplæsning og indskanning af enkeltord og et
prædiktionsprogram til at kompensere for
staveproblemer i forbindelse med skriftlige
opgaver.
Per har siden fødslen været svagsynet. Alt skal
derfor enten tæt på eller være meget stort og
rigt på kontraster. Bogstaver og tal skal være
næsten 2 centimeter høje, før han kan læse
dem. Han bruger et CCTV til at læse med.
Hertil er tilknyttet en slags kikkert, der kan
overføre tekst på tavlen til CCTV-et. På Pers
computer er endvidere installeret et forstørrelsesprogram,
hvor alle ikoner, værktøjslinier og
dokumenter kan forstørres, så Per kan se dem.
Forstørrelsesprogrammet har desuden oplæsningsfunktioner
med syntetisk tale.
SAPI-talesyntese man vil benytte. Man kan for den sags
skyld også installere flere talesynteser på computeren og
vælge imellem dem fra det enkelte program eller benytte
forskellige taler i forskellige programmer. Og man kan
uden videre supplere med andre sprog, hvis disse findes
til talesyntesen.
Men både programmerne og talesyntesen skal altså være
SAPI kompatible, og man skal købe talesyntesen som
en „løs“ talesyntese – en SAPI talesyntese, der installeres
på computeren.
Totalløsninger (lukkede systemer)
I nogle tilfælde laves der også særlige totalløsninger. Det
vil sige, at man knytter en talesyntese specielt sammen
med et program. Talen vil så være en integreret del af
dette program. Her vil man ikke kunne bruge talesyntesen
i andre programmer – heller ikke selvom de er forberedt
til SAPI standarden, for der er i princippet ikke længere tale
om SAPI. Man vil dog som regel kunne benytte de begrænsede
funktioner til oplæsning via klippebordet i andre
programmer.
Det er også her de ikke SAPI kompatible udgaver af Real
Speaks Nanna og CD-ORD Nanna placerer sig. Da de ikke
er SAPI kompatible, skal de implementeres direkte i det
givne program. Har man derfor ét program med Nanna,
kan man ikke uden videre benytte talesyntesen i andre
programmer. I nogle tilfælde vil man dog kunne benytte
oplæsning via klippebordet.
HIT1 2003
FOTO: KLAUS LASVILL-MORTENSEN

Hvis man har flere programmer, der skal arbejde sammen,
og som skal benytte talen, skal man altså sikre sig, at talen
kan benyttes i begge programmer. Eller man skal benytte
sig af flere talesynteser samtidig.
Åbne eller lukkede systemer?
Fordelen ved at benytte de „løse“ SAPI talesynteser er, at
man har friheden til at anvende talen i flere programmer
eller benytte forskellige talesynteser. Man kan løbende
supplere med flere sprog og med programmer, der bruger
talen. Dette kan være vigtige argumenter, hvor der fx
er flere brugere af en computer.
Man skal med disse åbne muligheder sikre sig, at der i
forhold til det aktuelle behov, bliver sammensat en hensigtsmæssig
helhedsløsning.
Lukkede totalløsninger kan dog i nogle tilfælde være
den bedste løsning, da de kan være enklere i brug. Der
kan også være tale om noget billigere løsninger.
Hvis man fra start ved, hvilke programmer og hvilket
udstyr, der er relevante for brugeren, kan man sikre en
god helhedsløsning. Man skal dog være klar over, at man
kan risikere at skulle ud at investere i endnu et program,
hvortil man også skal købe talen.
Det skal også nævnes, at der findes mange programmer,
hvortil man med fordel kan anvende tale, men som
ikke har indbyggede funktioner til at benytte talen i sig
selv. I mange tilfælde kan man kombinere disse programmer
med fx oplæsningsværktøjer, der bruger tale.
Forhandlere
DAN TTS. Dansk Carsten og Benedicte
Speech-Ware, www.speech-ware.dk
Forhandles bl.a. af: Speech-Ware, ScanDis, Instrulog
InfoVox. Dansk og andre sprog
Babel Technologies, www.babeltech.com/tproducts.htm
Forhandles bl.a. af: Instrulog, ScanDis
Real Speak. Dansk Nanna og andre sprog.
Scan Soft, www.scansoft.dk
Forhandles bl.a. af: Miko Værkstedet, ProSoft, ScanDis
Key Speak SAPI Voice. Dansk Nanna og andre sprog. SAPI
udgave af Real Speak. Portset, www.portset.co.uk
Forhandles bl.a. af: Instrulog
CD-ORD 3. Dansk digitaliseret tale: Per, CD-ORD Nanna, SAPI
og ikke SAPI-udgave, dansk digitaliseret tale: Per og syntetisk
tale: Nanna, Mikro Værkstedet, www.mikrov.dk
Forhandles bl.a. af: Mikro Værkstedet
Sprogteknologi
HIT1 2003 13