AI語音TTS可以取代有聲書嗎？
更新於 發佈於 閱讀時間約 3 分鐘
（本文寫於2023年2月6日，回覆董福興的臉書動態）
關於「有聲書可以透過TTS朗讀」這點，我認為這當中還是有很多細節待商榷。
首先，對於拼音文字來說「我說即我寫」，但華「文」的方塊字卻不是如此，不僅同音字過多以致難以辨別（最簡單的例子是「他她牠它」，但不只如此），複雜歷史因素之下遺留在現代華「文」當中的文言文法（我寫非我說）也會造成聽覺理解障礙（註1），種種因素都讓華文Text To華語Speech在短中期之內不可能完全取代華語有聲書。長期來說，不知道AI能不能代為優化TTS文本，但以現在的技術來說，這並不「簡單」。
其次，想要以TTS取代有聲書，不同文類也會面對不同的難點。以小說而言，作者可能出於各種原因，將對白放在或不放在引號內，來達成不同的文意，但引號卻難以被TTS（註2），甚至華「文」書寫中的所有標點符號都是如此。而若以專業書籍而言，當作者引進一個新詞彙，某些可以望「文」生義的詞彙，聽覺上卻並不是如此。這些問題都可以透過某些編輯或表演手法使得有聲書成立，但direct TTS卻不成立。
第三，就實際情況而言，就算今天臺灣的電子書全都開通了TTS功能，且需要TTS的聽者／讀者都願意使用這個功能，臺灣作者的文字能力與文字書編輯的編輯觀，也不見得能使TTS直接取代有聲書。光是你我這兩篇文章，在未經適當編輯之下，都不可能直接TTS而讓人聽懂。
我同意TTS可以補足有聲書產能不足所造成的可近障礙（因此我個人贊成已取得TTS授權的出版品都應該開通TTS，而出版商也應該更積極爭取TTS授權），但我認為TTS只是「輔具」，並不是一個獨立的出版品（否則我們難以解釋，為何就算英語世界的電子書普遍都開通了TTS，出版商仍然要花錢錄製有聲書）。我相信具有AI成分的TTS技術可以大幅提升有聲書的產製效能，但「有聲書可以透過TTS朗讀」這個說法如果仔細探究，至少在臺灣的脈絡下，實在無法講得那麼絕對（註3）。
--
註1：比方說，你寫的「但都應該要花力氣做，做好」，你的意思其實是「但都應該要花力氣做，並且把事情做好」，然而如果未經人工校正就直接TTS，一般人的聽覺應該會直接在「做好」那裡當機。
註2：目前在西方媒體上的TTS功能，AI會將"唸成quote、unquote。媒體報導的篇幅短小（再長也不過數千字），且以報導性質居多，我們多聽幾次quote, quote, quote，心情上仍可接受。但短篇小說至少也是萬字起跳，若是把quote全部唸出來，將十分影響聆聽體驗。
註3：其實日語有聲書也有同音異字的困擾。我個人就聽過湊佳苗《往復書簡》有聲書當中的一篇故事，利用同音異字造成故事中的一個重大情節發展（暫且不去論斷這個寫作手法是否成功）。其實編輯可以透過補述，讓同音異字的兩者有所區別；但因為「把文字直接讀成有聲書」的這種編輯觀念仍然相當普遍，使得這部有聲書在聽覺上反而抓不到那個趣味了。
3會員
13內容數
留言0
查看全部
你可能也想看
Google News 追蹤
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
我們前面幾篇已經講完TTS技術的一大半架構了，知道了如何將聲學特徵重建回音訊波形，也從中可以知道要是聲學特徵不完善，最終取得的結果也會不自然，剩下要探討該如何將文字轉換成聲學特徵，且能夠自然地表現停頓及細節變化，讓我們開始吧。
我們在語音初探篇提到TTS的流程可以分成三個部分 :輸入前處理、預測音訊特徵、語音重建，其中輸入前處理的部分上兩篇已經處理完，在進入預測音訊特徵前，讓我們先來理解最後的語音重建部分。
上篇我們簡單的了解了 TTS 想要達到的目標，但是對於訓練資料的處理、網路架構、損失函數、輸出分析等考慮到篇幅尚未解釋清楚，這篇將針對訓練資料處理中的文字部分進行詳細說明，讓我們開始吧。
這篇文章介紹臺語語詞聽寫軟體，包括聽例句寫語詞和聽語詞來練拼音的。功能有選擇漢字+拼音抑是干焦拼音的練習方式，以及白話字抑臺羅的選擇。透過對答案，使用者能即時瞭解自己的練習結果。使用方式、適用對象以及認證適用性都有詳細介紹。兩個網站提供真有效率的學習方法，幫助學習者提升臺語的聽寫能力。
在 AI 應用中，圖像、語音、文字三種可以說是主要應用，其中我一直以來都是專注於圖像上的研究，對於另兩種僅止於淺嚐，接下來就往音訊上研究看看，先從入門級的Text-To-Speech (TTL) 入場並一個個嘗試其他類型的應用，那麼，就讓我們開始吧。
書
少年時，我是這麼想得：
閱讀能使得我有書寫的能力。
學習如何闡述得更好，啟發下一個題目的靈感。
然而，書寫太困難了。
所以開始拿著筆記本抄錄喜歡的文句。
抄寫是非常重要的，能一字一句地去汲取著文字，
像是用另外一個方式解讀，挖掘一個又一個沒留意的含義。
但現在看來變成了一種很笨拙地
這是我第一次接觸到中國簡體書轉繁體書的校對工作，真佩服編輯可以細膩查對台灣用語，抓出台灣與中國用字用語的差異，考驗編輯的功力，也考驗台灣讀者對日常用語的底線，先不談統戰，影片不是視頻，至少書名有守住，其他的部分，真的是如履薄冰，不是普及度的底線，而是常用語被置換的底線，真的想聽聽簡轉繁書籍出版主編的
文字MP3專業版是簡單且強大的工具，會編輯文字就能創造出專業級配音。簡單 ﹑容易上手，像使用Word，無需剪輯經驗，輕鬆完成調整語速﹑插入空秒﹑插入背景音樂或音效等方面的製作。提供多種語言和配音員選擇，包括純正的臺灣口音。這個工具能應用於各種情境，如教育訓練簡報、有聲書、Podcast等。
有人堅信語譯的精髓『信、達、雅』，絕對是人工智能無法取代的；有人堅信人工智能勢必完全取代人工筆譯與語譯。
我則以為盡信AI，不如沒有AI。
現代社會跟以前不同了，人人都有一支手機，只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行，然而如今科技快速發展之下，金融App無聲無息地進到你生活中。但同樣的，每一家銀行都有自己的App時，我們又該如何選擇呢？(本文係由國泰世華銀行邀約)
今天我會用不同角度帶大家看這款國泰世華CUB
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
我們前面幾篇已經講完TTS技術的一大半架構了，知道了如何將聲學特徵重建回音訊波形，也從中可以知道要是聲學特徵不完善，最終取得的結果也會不自然，剩下要探討該如何將文字轉換成聲學特徵，且能夠自然地表現停頓及細節變化，讓我們開始吧。
我們在語音初探篇提到TTS的流程可以分成三個部分 :輸入前處理、預測音訊特徵、語音重建，其中輸入前處理的部分上兩篇已經處理完，在進入預測音訊特徵前，讓我們先來理解最後的語音重建部分。
上篇我們簡單的了解了 TTS 想要達到的目標，但是對於訓練資料的處理、網路架構、損失函數、輸出分析等考慮到篇幅尚未解釋清楚，這篇將針對訓練資料處理中的文字部分進行詳細說明，讓我們開始吧。
這篇文章介紹臺語語詞聽寫軟體，包括聽例句寫語詞和聽語詞來練拼音的。功能有選擇漢字+拼音抑是干焦拼音的練習方式，以及白話字抑臺羅的選擇。透過對答案，使用者能即時瞭解自己的練習結果。使用方式、適用對象以及認證適用性都有詳細介紹。兩個網站提供真有效率的學習方法，幫助學習者提升臺語的聽寫能力。
在 AI 應用中，圖像、語音、文字三種可以說是主要應用，其中我一直以來都是專注於圖像上的研究，對於另兩種僅止於淺嚐，接下來就往音訊上研究看看，先從入門級的Text-To-Speech (TTL) 入場並一個個嘗試其他類型的應用，那麼，就讓我們開始吧。
書
少年時，我是這麼想得：
閱讀能使得我有書寫的能力。
學習如何闡述得更好，啟發下一個題目的靈感。
然而，書寫太困難了。
所以開始拿著筆記本抄錄喜歡的文句。
抄寫是非常重要的，能一字一句地去汲取著文字，
像是用另外一個方式解讀，挖掘一個又一個沒留意的含義。
但現在看來變成了一種很笨拙地
這是我第一次接觸到中國簡體書轉繁體書的校對工作，真佩服編輯可以細膩查對台灣用語，抓出台灣與中國用字用語的差異，考驗編輯的功力，也考驗台灣讀者對日常用語的底線，先不談統戰，影片不是視頻，至少書名有守住，其他的部分，真的是如履薄冰，不是普及度的底線，而是常用語被置換的底線，真的想聽聽簡轉繁書籍出版主編的
文字MP3專業版是簡單且強大的工具，會編輯文字就能創造出專業級配音。簡單 ﹑容易上手，像使用Word，無需剪輯經驗，輕鬆完成調整語速﹑插入空秒﹑插入背景音樂或音效等方面的製作。提供多種語言和配音員選擇，包括純正的臺灣口音。這個工具能應用於各種情境，如教育訓練簡報、有聲書、Podcast等。
有人堅信語譯的精髓『信、達、雅』，絕對是人工智能無法取代的；有人堅信人工智能勢必完全取代人工筆譯與語譯。
我則以為盡信AI，不如沒有AI。