Go to Menu Search on ReadSpeaker.com

ReadSpeaker tekst-naar-spraakstemmen

Ontdek ReadSpeakers portfolio van tekst-naar-spraakstemmen, dat wordt gezien als een van de meest accurate en realistische op de markt. Vraag ook naar onze custom voices, stemmen die we ontwikkelen voor exclusief gebruik.

Contact

Laat je eigen tekst voorlezen door een ReadSpeaker stem

Met deze demo kan je zelf tekst invoeren en laten voorlezen. Probeer onze talen en stemmen uit!

Niet alle hier beschikbare talen en stemmen zijn beschikbaar voor alle ReadSpeaker oplossingen. En er zijn nog meer stemmen voor sommige oplossingen dan in deze demo. Zie onze Talen en stemmen pagina voor een overzicht van welke talen beschikbaar zijn per oplossing.

Laadt...
There was an error, please try again.

​Deze demo mag uitsluitend worden gebruikt voor het evalueren van onze dienst. Commercieel gebruik is verboden. ​Je mag geen ​permanente audiobestanden genereren, downloaden of delen. De achtergrondmuziek in de spraakdemo is geen onderdeel van het product.

none Lene Danish Female
taiwanese Yafang Chinese Female
none Somsi Thai Female
none Sarawut Thai Male
none Aleksei Russian Male
none Vera Russian Female
none Tiago Portuguese Male
none Carolina Portuguese Female
none Lykke Norwegian Female
none Elina Finnish Female
australian Mia English Female
none Simona Slovak Female
none Jakub Slovak Male
none Annisa Indonesian Female
none Bayu Indonesian Male
none Teodor Romanian Male
none Veerle Flemish Female
none Amir Arabic Male
american Sophie English Female
american Kate English Female
american Julie English Female
american Ashley English Female
american Beth English Female
american Mark English Male
american James English Male
american Paul English Male
australian Jack English Male
australian Mason English Male
mandarin Hong Chinese Female
mandarin Hong Chinese Female
canadian Chloe French Female
canadian Leo French Male
brazilian Helena Portuguese Female
brazilian Rafael Portuguese Male
british Hugh English Male
none Ilse Dutch Female
none Anne Dutch Female
none Guus Dutch Male
none Alex Dutch Male
mandarin Hong Chinese Female
mandarin Hui Chinese Female
mandarin Qiang Chinese Male
mandarin Liang Chinese Male
none Benoit French Male
none Louis French Male
british Bridget English Female
british Alice English Female
none Lena German Female
none Max German Male
none Tim German Male
none Elise French Female
none Roxane French Female
mexican Francisco Spanish Male
none Hyeryun Korean Female
none Yumi Korean Female
none Jihun Korean Male
none Junwoo Korean Male
none Show Japanese Male
none Ryo Japanese Male
none Akira Japanese Male
none Gina Italian Female
none Elisa Italian Female
none Roberto Italian Male
none Ania Polish Female
mexican Violeta Spanish Female
mexican Gloria Spanish Female
none Sayaka Japanese Female
none Risa Japanese Female
none Misaki Japanese Female
none Hikari Japanese Female
none Manuel Spanish Male
none Adina Romanian Female
none Maja Swedish Female
none Karin Swedish Female
none Sven Swedish Male
none Pilar Spanish Female
none Lola Spanish Female
none Oskars Latvian Male

ReadSpeaker TTS-stemmen (TTS:Text to Speech) zijn realistische, herkenbare stemmen. Er zijn meer dan 90 stemmen beschikbaar in ruim 30 talen. En we werken continu aan meer. Maak kennis met de ReadSpeaker TTS-familie van hoogwaardige voice persona’s en stel ze op de proef.

Toonaangevende TTS-stemmen

Onze passie is het ontwikkelen van hoogwaardige TTS-stemmen. Wij zijn er trots op, dat externe experts de Amerikaans-Engelse ReadSpeaker TTS-stem beoordelen als de meest accurate stem op de markt. Ook enthousiaste reacties van onze klanten bevestigen dat we de allerbeste TTS-oplossingen leveren. Zo dragen we bij aan het succes van online, offline, embedded en server-gebaseerde applicaties over de hele wereld. Onze toewijding om uitstekende TTS-oplossingen te bieden, wordt ondersteund door ons compromisloze productieproces. Dit proces waarborgt het kwaliteitsniveau waarop klanten uit de hele wereld en uit diverse markten al jaren vertrouwen.

Hoe onze TTS-stemmen worden gemaakt

Om onze voice persona’s te creëren, selecteren we professionele stemacteurs en nemen hun stemmen op. Dit levert een spraakdatabase op waarin we elk stukje opgenomen spraak verdelen in onderdelen, zoals fonemen, lettergrepen en woorden. Vervolgens passen we een techniek toe die Unit Selection Synthesis (USS) heet. USS selecteert segmenten (units) uit de spraakdatabase zodanig dat zij aan elkaar ‘geplakt’ kunnen worden en een hoogwaardige synthetische stem wordt geproduceerd.

De stemacteur gaat gedurende een aantal weken aan de slag met ons ontwikkelteam. Voor de opnames ontwikkelen we een gevarieerd script waarin alle klankpatronen voorkomen die bestaan in de specifieke taal. Het team volgt het opnameproces van dichtbij en controleert continu op consistentie in uitspraak, accent en stijl.

In de tweede fase van het creëren van een synthetische stem wordt een rijke annotatie toegevoegd aan de spraakopnames. Diverse aspecten zoals elk woord, elke klank en elke nadruk worden voorzien van annotaties. Deze annotaties worden vervolgens door ons slimme technische team geoptimaliseerd met behulp van o.a. Kunstmatige Intelligentie (AI) en Machine Learning op basis van grote hoeveelheden data. Onze state-of-the-art methodes worden aangevuld met de taalkundige expertise van ons team. De ReadSpeaker TTS-engine gebruikt de resulterende database om tekst om te zetten in spraak.

Zo wordt een nieuwe ReadSpeaker voice persona geboren. Het proces eindigt hier echter niet. Eén van de unieke eigenschappen van ReadSpeaker is ons voortdurende verbeteringsproces. Hoogwaardige feedback en een grondig Quality Assurance proces met native-speaker experts zorgen ervoor dat eventuele imperfecties voortdurend worden verbeterd.

Daarnaast werkt ReadSpeaker aan de toekomst van tekst-naar-spraak door technieken te ontwikkelen die gebaseerd zijn op Deep Learning. Deze technologie neemt de plaats in van USS en gebruikt Deep Neural Networks (DNN’s) om linguïstische eigenschappen te koppelen aan akoestische kenmerken. DNN technieken maken gebruik van een iteratief leerproces om objectief meetbare verschillen tussen de voorspelde akoestische kenmerken en de waargenomen akoestische kenmerken in de trainingsset te minimaliseren. Een van de voordelen van DNN is dat de akoestische database veel kleiner kan zijn dan voor een USS-stem. Zo kunnen we sneller dan ooit nieuwe, slimme ReadSpeaker TTS-stemmen ontwikkelen met nog levensechtere, expressievere spraak en aanpasbare intonatie.

Custom voices

Wil je je klanten een unieke user experience bieden en je merkwaarde vergroten? Een van de krachtigste manieren om je te onderscheiden is met een unieke, eigen stem voor jouw merk. Een custom voice maakt jouw merk uniek en schept een krachtige band met je klanten, ongeacht het gebruikte communicatiekanaal. De stem van een favoriete BN’er of andere specifieke persoon koppelen aan jouw merk? ReadSpeaker kan van haar of zijn stem een synthetische stem creëren zodat je deze stem altijd kan gebruiken voor een unieke en onmiddellijk herkenbare interactie met je klant.