Krótka odpowiedź
Dobry lektor wciąż daje lepszą interpretację: odrębne głosy postaci, wyczucie komizmu, emocje podążające za historią. Synteza mowy wygrywa we wszystkim, co otacza samą interpretację: czyta niemal każdą posiadaną książkę, w wielu językach, od chwili importu, za jednorazową opłatą zamiast ceny za każdy tytuł. Większość osób, które dużo słuchają, w końcu korzysta z obu.
Co daje lektor
Audiobook to występ. Zawodowy lektor przygotowuje całą książkę przed nagraniem, decyduje, jak brzmi każda postać, i kształtuje każdą scenę: zwalnia przed zwrotem akcji, pozwala wybrzmieć żartowi, przechodzi w szept. Wspomnienia czytane przez samego autora dodają coś, czego nie zaoferuje żaden silnik mowy: opowiada je osoba, która to przeżyła.
Liczy się też produkcja. Nagranie w studiu, reżyser, przesłuchania korektorskie wyłapujące potknięcia. Imiona, obce słowa i wymyślone terminy są zwykle sprawdzane przed sesją, więc nazwy miejsc w powieści fantasy brzmią poprawnie od pierwszej strony.
Wszystko to jest drogie i czasochłonne, a ten koszt kształtuje wszystko inne w świecie audiobooków: które książki zostają nagrane, w jakich językach i za jaką cenę.
Co daje synteza mowy
Nowoczesne głosy neuronowe są daleko od płaskich syntetycznych głosów sprzed dekady. Zdania mają naturalny rytm, intonacja pytań rośnie na końcu, przy przecinkach jest oddech. Czego nie robią, to gra aktorska. Głos syntezatora czyta dialogi wszystkich postaci tym samym głosem i nie rozpozna, że kwestia jest sarkastyczna, jeśli nie zdradzi tego interpunkcja. Co się zmieniło? Wyjaśniamy, jak naturalne głosy AI działają offline na iPhonie.
W zamian synteza mowy oferuje spójność i dostępność:
- Dowolny tekst, od razu. EPUB od małego wydawcy, 400-stronicowy raport w PDF, klasyka z domeny publicznej, powieść w języku, w którym nikt nie nagrywa audiobooków. Wystarczy zaimportować i nacisnąć odtwarzanie.
- Za każdym razem ten sam głos. Żadnej zmiany lektora w czwartym tomie serii, żadnego nierównego tempa między rozdziałami.
- Tekst na ekranie. W aplikacji, która pozwala śledzić tekst, bieżąca linijka jest podświetlona, więc można sprawdzić pisownię, przeczytać akapit jeszcze raz albo przełączać się między czytaniem a słuchaniem, nie gubiąc miejsca.
- Błędy, które da się poprawić. Głos od czasu do czasu źle wymówi imię. W VocaRead wystarczy przytrzymać słowo i raz nauczyć go poprawnej wymowy; zapisuje się ona dla tego języka i jest używana w każdej książce (oto jak).
Luka w katalogu
To punkt, który pomija większość porównań. Tylko niewielka część książek doczekuje się wydania w formie audiobooka. Bestsellery i nowości w dużych językach zwykle tak. Starsze tytuły, backlista małych wydawnictw, monografie naukowe, książki techniczne, self-publishing, poezja i duża część książek w mniejszych językach często nigdy, bo nagranie książki kosztuje więcej, niż wiele z tych tytułów kiedykolwiek zarobi.
Jeśli wybrana lektura jest w tej luce, prawdziwe porównanie nie brzmi „lektor kontra głos AI”. Brzmi „głos AI kontra wcale nie słuchać”. Dotyczy to także darmowej klasyki z Project Gutenberg: dziesiątek tysięcy książek z domeny publicznej, wbudowanych w VocaRead i wyszukiwanych według tytułu, autora, języka lub tematu (nasz poradnik o Gutenbergu).
Koszt: za tytuł czy jednorazowo
Audiobooki kupowane pojedynczo kosztują zwykle kilkadziesiąt dolarów za tytuł. Serwisy subskrypcyjne zastępują to miesięczną opłatą, zwykle powiązaną z ograniczoną liczbą kredytów albo katalogiem, który zmienia się z czasem. Przy jednej czy dwóch książkach miesięcznie oba sposoby w skali roku dają sporą sumę, a rezygnacja z subskrypcji może oznaczać utratę dostępu do części tego, czego się słuchało.
Aplikacja do syntezy mowy działa w innym modelu: płaci się za czytnik, nie za każdą książkę. VocaRead można pobrać za darmo, każda książka zawiera 90 minut darmowego słuchania, a Premium to jednorazowy zakup (4,99 USD w USA), który odblokowuje nieograniczone słuchanie, bez subskrypcji. Książki to te już posiadane albo dostępne za darmo.
Uczciwe zastrzeżenie: synteza mowy czyta tylko tekst dostępny w postaci pliku. E-booka chronionego DRM, kupionego w aplikacji księgarni, nie da się otworzyć w innej aplikacji, a VocaRead nie usuwa DRM. Czyta pliki bez DRM: EPUB, PDF, MOBI i AZW/AZW3 bez DRM, Word, TXT, Markdown, HTML i RTF, a także wklejony tekst i strony WWW. Nasz poradnik o słuchaniu plików Kindle wyjaśnia, co działa.
Kontrola: tempo, tekst i notatki
Większość odtwarzaczy audiobooków oferuje dziś zmienne tempo i zakładki, więc różnica jest tu mniejsza niż kiedyś. Przewaga syntezy mowy polega na tym, że dźwięk i tekst to jeden i ten sam obiekt. W VocaRead:
- Tempo wynosi od 0,5x do 2,0x i jest zapisywane dla każdej książki, więc gęsty esej może zostać przy 0,9x, a thriller lecieć przy 1,3x.
- Bieżąca linijka jest podświetlana w trakcie czytania.
- Podczas słuchania można dodawać zakreślenia, notatki i zakładki, a potem eksportować je jako Markdown lub CSV.
Przy nauce, dokumentach służbowych czy czytaniu w języku obcym ten związek tekstu z dźwiękiem znaczy więcej niż jakość gry aktorskiej.
Porównanie obok siebie
| Audiobook czytany przez lektora | Synteza mowy (VocaRead) | |
|---|---|---|
| Interpretacja | Aktorska: głosy postaci, emocje, wyczucie czasu | Naturalny głos czytający, bez gry aktorskiej, jeden głos dla wszystkich postaci |
| Katalog | Tylko tytuły, które ktoś postanowił nagrać | Dowolny własny tekst bez DRM |
| Języki | Najmocniejszy w dużych językach | Ponad 30 języków, ponad 200 głosów |
| Koszt | Za tytuł albo subskrypcja | Bezpłatny test (90 minut na książkę), potem jednorazowy zakup Premium |
| Wymowa | Sprawdzana podczas produkcji | Zwykle poprawna; imiona można poprawić przytrzymaniem |
| Tekst razem z dźwiękiem | Zwykle tylko dźwięk | Podświetlona linijka, zakreślenia, notatki, eksport |
| Offline | Po pobraniu każdego tytułu | Głosy pobierane raz, potem mowa generowana na urządzeniu |
| Pliki audio | Zależy od księgarni | Brak eksportu do MP3; słuchanie w aplikacji |
Kiedy co wybrać
Audiobook, gdy
- Książka to beletrystyka, w której historię niosą głosy: dużo dialogów, gwara, komedia.
- Autor sam czyta swoje wspomnienia.
- Nagrał ją uwielbiany lektor. Lektorzy mają swoich fanów nie bez powodu.
- Będzie słuchana więcej niż raz, dla przyjemności samej interpretacji.
Synteza mowy, gdy
- Audiobook nie istnieje albo nie ma go we własnym języku.
- Tekst to literatura faktu, praca naukowa, materiał zawodowy lub dokument, gdzie jasność i tempo liczą się bardziej niż gra aktorska.
- Liczy się śledzenie tekstu, robienie notatek albo przechodzenie między czytaniem a słuchaniem.
- Czyta się dużo, a ceny za tytuł nie nadążają za nawykiem.
A jeśli strona czytana na głos jest potrzebna tylko od czasu do czasu, aplikacja może w ogóle nie być potrzebna: iOS ma wbudowane funkcje Przeczytaj ekran i Mów zaznaczone, w Ustawienia › Dostępność › Zawartość mówiona. Na jedną stronę wystarczą. Przy całej książce wygodniejszy jest dedykowany czytnik, który pamięta miejsce, gra dalej w tle i podświetla tekst; porównujemy sposoby na to, by iPhone czytał na głos.
Podejście hybrydowe, które się sprawdza
- Audiobooki na krótką listę: powieści i wspomnienia, w których chodzi właśnie o interpretację.
- Do całej reszty synteza mowy: zaległe posiadane e-booki, klasyka z Gutenberga, PDF-y z pracy, kontynuacja, której nikt nie nagrał.
- Przy trudnych książkach czytanie i słuchanie jednocześnie. Śledzenie podświetlonej linijki i zapisywanie fragmentów na bieżąco.
- Uczciwa szansa dla głosu. Oceniać go najlepiej po całym rozdziale, nie po trzydziestu sekundach. Pierwsze wrażenie z każdego lektora, ludzkiego czy syntetycznego, zmienia się po wejściu w historię. Warto wypróbować dwa lub trzy głosy na rodzaju książek czytanym najczęściej.
Najczęściej zadawane pytania
Czy głosy AI są wystarczająco dobre do powieści?
Do wielu powieści tak, zwłaszcza tych napędzanych fabułą albo prowadzonych przez jednego narratora. Najsłabiej wypadają w scenach pełnych dialogów z kilkoma rozmówcami, bo każda postać brzmi tak samo. Najszybciej można się przekonać, słuchając jednego rozdziału książki, którą naprawdę chce się przeczytać.
Czy VocaRead może zamienić mój e-book w plik audiobooka?
Nie. VocaRead generuje głos na iPhonie lub iPadzie w trakcie słuchania i nie eksportuje MP3 ani żadnych innych plików audio. Pozycja, tempo i notatki zostają w aplikacji, a postęp może synchronizować się między iPhone'em a iPadem przez własny iCloud.
Czy mogę słuchać książek kupionych na Kindle'u lub w Apple Books?
Nie, jeśli są chronione DRM, a tak jest w przypadku większości zakupów w księgarniach. VocaRead nie usuwa DRM. Pliki bez DRM, w tym MOBI i AZW3 bez DRM, importują się normalnie.
Czy potrzebuję połączenia z internetem?
Tylko do pobrania głosu i samej książki. Potem mowa jest generowana na urządzeniu, a VocaRead działa w trybie samolotowym.
Najprościej rozstrzygnąć tę kwestię na książce już posiadanej. Wystarczy pobrać VocaRead, zaimportować ją i posłuchać: każda książka zawiera 90 darmowych minut, a Premium to jeden jednorazowy zakup dla tych, którzy chcą słuchać dalej.