Generator teks ke suara online

1. 1

   Masukkan teks

   Ketik atau tempel apa yang ingin dibacakan, atau impor berkas .txt atau .md.

2. 2

   Pilih mesin

   Instan memakai suara sistem dan langsung memutar. Studio menjalankan suara neural di perangkat Anda dan bisa diunduh.

3. 3

   Pilih suara

   Pilih dari 28 suara Studio, atau dari suara apa pun yang disediakan sistem operasi Anda.

4. 4

   Atur tempo

   Sesuaikan kecepatan baca jika bawaannya terlalu cepat atau terlalu lambat.

5. 5

   Hasilkan

   Studio mensintesis audio di perangkat Anda; kemajuannya ditampilkan per bagian.

6. 6

   Unduh

   Simpan hasilnya sebagai WAV, MP3, M4A, OGG, atau FLAC.

Ada dua mesin di balik satu kotak teks, karena dua hal yang diinginkan orang dari teks ke suara menarik ke arah yang berlawanan.

• Instan — memakai suara yang sudah terpasang di komputer atau ponsel Anda. Langsung berbicara begitu Anda menekan putar, tidak mengunduh apa pun, dan mendukung bahasa apa pun yang dimiliki sistem Anda. Tidak bisa disimpan ke berkas.
• Studio — menjalankan model suara neural di perangkat Anda. Butuh waktu sedikit lebih lama dan menghasilkan gelombang audio sungguhan, yang berarti bisa diunduh sebagai berkas audio dan dipakai di video, podcast, atau presentasi.
• Satu kotak teks — teks, kecepatan baca, dan daftar suara dipakai bersama, jadi berganti mesin tidak berarti mengulang dari awal.
• Tidak ada yang diunggah — kedua mesin berjalan secara lokal. Teks yang Anda tempel dan audio yang dihasilkan tetap di perangkat, tidak seperti alat daring yang mengirim teks Anda ke server.

Inilah bagian yang ditahan oleh kebanyakan alat teks ke suara gratis, dan alasan mesin Studio ada.

• WAV — keluaran persis dari model, tanpa kompresi, pada 24 kHz. Pilih ini bila audionya akan masuk ke editor video atau audio dan akan diproses lagi.
• MP3 — berkas kompatibel terkecil, dan pilihan bawaan yang tepat untuk berbagi, mengunggah, atau menyematkan. Dikodekan di perangkat Anda.
• M4A — AAC dalam wadah MP4 — pilihan asli Apple, dan didukung baik oleh perkakas video.
• OGG dan FLAC — Opus dalam OGG untuk web dengan ukuran kecil, dan FLAC bila Anda ingin berkas tanpa kehilangan kualitas yang jauh lebih ringan daripada WAV.
• Mengapa Instan tidak bisa disimpan — suara sistem langsung keluar ke perangkat audio dan tidak menyediakan aliran yang bisa direkam. Itu keterbatasan sistem operasi, bukan alat ini, dan karena itulah mesin neural ada.

Mesin Studio menyediakan 28 suara. Perbedaannya lebih dari sekadar nada — masing-masing dilatih terpisah, dan sebagian terdengar jauh lebih jernih daripada yang lain.

• Inggris Amerika — 20 suara, 11 perempuan dan 9 laki-laki. Inilah padanan persis dari kamus pelafalan dan pilihan terbaik untuk kebanyakan teks.
• Inggris Britania — 8 suara. Mereka berbicara dengan aksen Britania memakai pilihan vokal Amerika, karena kamus di belakangnya adalah Amerika. Perbedaannya terdengar pada kata seperti «bath» dan «dance».
• Cara memilih — suara diurutkan dari yang terbaik. Bila sebuah suara terdengar tipis atau goyah pada teks Anda, naiklah dalam daftar alih-alih mengubah kecepatan.
• Bahasa lain — beralihlah ke mesin Instan, yang menawarkan apa pun yang disediakan sistem operasi Anda — biasanya jauh lebih banyak.

Di sinilah alat teks ke suara paling sering ketahuan, jadi ada baiknya kita spesifik.

• Bilangan bulat — 1.234 dibaca «seribu dua ratus tiga puluh empat», bukan sebagai empat digit terpisah.
• Tahun — dalam bahasa Inggris, «in 1999» dibaca «nineteen ninety nine», sedangkan «1999 items» dibaca sebagai jumlah. Kata di sekitarnya yang menentukan.
• Uang — $1.234,56 menjadi dolar dan sen. Pound, pence, dan euro ditangani dengan cara yang sama.
• Desimal dan versi — 1,5 adalah «satu koma lima». 2.0 adalah «dua», karena begitulah cara mengucapkannya.
• Bilangan bertingkat dan rentang — ke-3, ke-21, dan ke-102 dibaca sebagai bilangan bertingkat, dan rentang seperti 128-192 dibaca sebagai dua angka, bukan dilewati.
• Simbol — 25% adalah «dua puluh lima persen», & adalah «dan», @ adalah «at». Akronim seperti ISO, PDF, dan UTF-8 dieja huruf per huruf, bukan diucapkan sebagai kata.

Kualitas ucapan sebagian besar adalah masalah kamus, bukan masalah model. Suara yang sempurna tetapi mengucapkan bunyi yang salah tetap saja salah.

• Kamus berisi 183.562 kata — setiap entri memberikan bunyi persisnya dan suku kata mana yang mendapat tekanan.
• Akhiran kata lewat aturan — «rendered» tidak ada di kamus tetapi «render» ada, dan aturan untuk -s, -ed, dan -ing membentuk sisanya. Karena itulah bentuk berimbuhan terdengar benar.
• Kata yang berubah menurut fungsinya — «use» diucapkan berbeda sebagai kata benda dan kata kerja, begitu pula «record», «content», «present», dan sekitar tujuh ratus kata lain. Kalimat di sekitarnya yang menentukan.
• Konteks antar kata — «the» sebelum vokal tidak sama bunyinya dengan sebelum konsonan, begitu juga «to». Salah di sini membuat setiap kalimat terdengar sedikit asing meskipun tiap kata benar bila berdiri sendiri.
• Kata yang tidak dikenal — nama dan kata baru diteruskan ke model neural kecil yang memperkirakan pelafalan dari ejaan, sehingga kata asing tetap diucapkan alih-alih dilewati.

Teks ke suara tidak seperti alat konversi lain: yang Anda tempel sering kali justru hal yang paling tidak ingin Anda serahkan kepada orang asing.

• Tidak ada yang diunggah — model suara diunduh sekali ke peramban Anda. Setelah itu teks dan audio diproses di perangkat Anda, bukan di server kami.
• Berjalan luring — begitu model tersimpan di cache, alat ini tetap bekerja tanpa jaringan sama sekali.
• Tanpa penghitungan kuota — tidak ada yang perlu dihitung di server, karena tidak ada apa pun di server.
• Konsekuensinya — model harus diunduh sekali, dan sintesis memakai prosesor Anda, bukan prosesor orang lain. Itulah harga agar teks Anda tidak pergi ke mana-mana.

Pekerjaannya terjadi di perangkat Anda, jadi jawaban jujur untuk «seberapa cepat» bergantung pada perangkatnya. Berikut yang bisa diharapkan.

• Pemakaian pertama — mesin Studio mengunduh sekitar 93 MB — model suara, kamus pelafalan, dan satu suara. Setelah itu tersimpan di cache.
• Setelah itu — konversi langsung dimulai. Teks panjang dipecah menjadi beberapa bagian dan beberapa disintesis sekaligus di inti CPU Anda.
• Gratis — 5.000 karakter per konversi, satu per satu. Itu sekitar enam menit ucapan, lebih panjang daripada yang diizinkan kebanyakan alat gratis.
• Pro — tanpa batas karakter, hingga 25 dokumen sekaligus, dikirim sebagai satu arsip.
• Yang tidak pernah dibatasi — semua suara, semua kecepatan baca, dan semua format keluaran termasuk MP3 tersedia di paket gratis. Yang berbayar adalah skalanya, bukan kualitasnya.

Sintesis berjalan di perangkat Anda memakai beberapa inti CPU sekaligus, sehingga kecepatannya mengikuti perangkat keras Anda dan tidak ada yang menunggu server.

Sebagian besar hal yang membuat ucapan sintetis terdengar bagus sudah ditentukan sebelum Anda menekan hasilkan.

• Beri tanda baca dengan benar — koma dan titik adalah jeda. Teks tanpa keduanya dibacakan dalam satu tarikan napas.
• Pisahkan paragraf — baris kosong menjadi jeda yang lebih panjang, dan itulah yang memisahkan bagian-bagian sebuah naskah.
• Tulis angka sebagai kata bila penting — bila Anda ingin sebuah tahun dibaca dengan cara tertentu dalam konteks yang jika tidak akan dibaca sebagai jumlah.
• Tulis ulang nama yang sulit — ejaan fonetis pada masukan adalah cara tercepat memperbaiki nama yang salah dilafalkan, dan cara itu selalu menang.
• Perlambat sedikit untuk narasi — tempo sedikit di bawah 1× terdengar lebih tenang, yang cocok untuk penjelasan. Biarkan 1× untuk dialog.
• Uji dulu dengan kutipan pendek — hasilkan satu paragraf, dengarkan, sesuaikan, lalu jalankan seluruh dokumen.

Alat ini lebih cocok untuk sebagian pekerjaan daripada yang lain, dan batasnya layak disebutkan dengan jujur.

• Penghayatan emosional — model ini membaca dengan jelas dan rata. Ia tidak berakting, dan tidak akan menyampaikan lelucon atau kalimat dramatis seperti manusia.
• Bahasa selain Inggris — kamus Studio adalah bahasa Inggris Amerika. Pakai mesin Instan untuk bahasa lain, atau layanan yang memang dibuat untuk bahasa itu.
• Meniru suara orang tertentu — sengaja tidak didukung. 28 suara itulah suaranya.
• Dokumen sangat besar di perangkat lemah — teks sepanjang buku di ponsel lama bukan pasangan yang cocok. Pecah dulu, atau jalankan di laptop.

• Ucapan ke teks
• PDF ke teks
• Gambar ke teks
• Pengonversi gambar
• Pemecah teks
• Pengubah huruf
• Pengonversi audio
• Penggabung audio
• Pemotong audio
• Volume audio
• Editor audio
• Ganti audio video