AI語音能加速有聲書製作，但AI語音TTS仍無法取代有聲書
更新於 發佈於 閱讀時間約 1 分鐘
（本文寫於2023年4月23日，回覆董福興的臉書動態）
我完全支持「要是哪一天AI語音真的能和真人一樣，你是不是應該導入來取代真人，而可以更快、更便宜地生產有聲書呢？」這個論點。
現在的有聲書製程，簡直堪比徒手抄書，技術基本上跟三十年前一樣，只差在電腦的容量與記憶體有所提升，但本質上並沒有什麼變化，遲遲無法進入有聲書的活字印刷術時代。我自己是非常期待含有AI成份的TTS技術輔助有聲書的製作。
然而，TTS功能與有聲書還是有著本質上的差異。以華語與華文的對應來說，口語體與書寫體的差距就是那麼大。文字上的編排並不總是有辦法直接TTS就讓人聽懂。舉個最簡單的例子：光是同音字「他她」就足以困擾一堆人了，更不要講相同文字搭配不同標點符號所造成的文意差距。這還只是冰山一隅。
TTS就只是把文字讀出聲音的輔具，並不代表TTS後的聲音就直接形成一個新產品。有聲書還是需要經過編輯，才能成為適合閱聽的產品，而含有AI成份的TTS技術會是節省有聲書產製工作量的一個絕佳幫手。
以中國百度執行長李彥宏的《智能交通》為例（他今年跌出政協委員名單了，幫QQ），這種講述趨勢、科技類的文字書，用AI技術轉為有聲書，在內容上已經堪可閱聽。
但這代表《智能交通》有聲書是一部聽者友善的作品嗎？我認為完全不是。書中句間、段間的間隔時長時短，使我的注意力時常跟丟；每一節前後的無謂工商時間，使我聽下來心浮氣躁；專有名詞未有適當註釋，使我只能根據前後文去猜測原始文字，再去蒐尋意思；有些段落的技術細節過多，其實應該刪節，根本不該讀成聲音。這些都是「編輯上」沒有做好的細節。
含有AI成份的TTS會是製作有聲書的好幫手；但有聲書的編輯工作，才是有聲書無法被電子書TTS取代的根本要素。電子書TTS帶給閱聽者的體驗，就只是TTS，就不是有聲書。
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。
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
據我所知，許多配音員老師是很反對去錄AI語音採樣的，但我則是抱持著不同的想法。昨天在九號群裡，和在線的伙伴們聊了一下我的想法，列出了很多應用場景，供大家自我判斷是否適合去錄AI語音採樣。
本篇內容是為剛從聲音培訓班結業、自我訓練一段時間、對聲音表演有興趣，但是不想成為配音員....等非職業配音員的
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。
前言
113.2.28曾任科技部代理部長的林一平在聯合報發表了一篇《AI時代的作家》討論AI對作家的影響，原因是有外文系教授問他：未來文學院學生的工作是否會被AI所取代？他的看法是翻譯工作可以確定會被取代。（註：到清邁旅遊時，手機壞了，不通泰語，可是到尚泰百貨的手機商場時，修理手機的小弟直接用
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。
隨著生成式 AI (Generative AI ) 2023年大紅大紫，許多人也正熱烈討論 AI 到底會不會讓人失業，這是個很有趣的話題，因為科技變革千百年來從未停止過，現在發生的事絕對不是新鮮事，我們就來從留聲機被發明到被反對，甚至被視為危害文明的歷史反思當前的科技趨勢。
本文可以讓你學到什
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。
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
據我所知，許多配音員老師是很反對去錄AI語音採樣的，但我則是抱持著不同的想法。昨天在九號群裡，和在線的伙伴們聊了一下我的想法，列出了很多應用場景，供大家自我判斷是否適合去錄AI語音採樣。
本篇內容是為剛從聲音培訓班結業、自我訓練一段時間、對聲音表演有興趣，但是不想成為配音員....等非職業配音員的
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。
前言
113.2.28曾任科技部代理部長的林一平在聯合報發表了一篇《AI時代的作家》討論AI對作家的影響，原因是有外文系教授問他：未來文學院學生的工作是否會被AI所取代？他的看法是翻譯工作可以確定會被取代。（註：到清邁旅遊時，手機壞了，不通泰語，可是到尚泰百貨的手機商場時，修理手機的小弟直接用
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。
隨著生成式 AI (Generative AI ) 2023年大紅大紫，許多人也正熱烈討論 AI 到底會不會讓人失業，這是個很有趣的話題，因為科技變革千百年來從未停止過，現在發生的事絕對不是新鮮事，我們就來從留聲機被發明到被反對，甚至被視為危害文明的歷史反思當前的科技趨勢。
本文可以讓你學到什