التعريف
تحويل النص إلى كلام (TTS) تقنية تحوّل النص المكتوب إلى صوت منطوق. وفي أنظمة الصوت للأعمال، تتيح لرسائل الرد الصوتي التفاعلي (IVR) ورموز OTP الصوتية والتذكيرات ووكلاء الصوت بالذكاء الاصطناعي نطق محتوى متغير دون الحاجة إلى تسجيل كل جملة مسبقاً.
يقوم محرك TTS بتهيئة النص (توسيع الأرقام والتواريخ والعملات والاختصارات)، وتحديد النطق والتنغيم، ثم توليد الصوت. وتبدو الأصوات العصبية (neural) أكثر طبيعية بكثير من الأصوات التجميعية القديمة، وتتيح محركات كثيرة اختيار اللغة والجنس وسرعة الكلام والأسلوب.
يمكن التحكم في النطق والإيقاع باستخدام SSML (Speech Synthesis Markup Language)، وهو معيار من W3C تدعمه معظم المحركات. ومن استخداماته المعتادة: قراءة الرمز رقماً رقماً، وإدراج فترات توقف، وتهجئة الحروف، وفرض طريقة نطق اسم العلامة التجارية.
تحتاج العربية إلى عناية إضافية. فالنص العربي المكتوب يُحذف منه التشكيل عادةً، لذا يضطر المحرك إلى تخمينه، وقد يخطئ في نطق الأسماء أو الكلمات النادرة؛ ويمكن قراءة الأرقام بالعربية أو الإنجليزية؛ وقد يتوقع المستخدمون العربية الفصحى أو لهجة خليجية بحسب حالة الاستخدام. اختبر الرسائل الفعلية مع متحدثين أصليين قبل الإطلاق.
من الأخطاء الشائعة: قراءة السلاسل الطويلة بسرعة زائدة، وترك المحرك يقرأ رمز OTP كرقم واحد كبير، والخلط بين لغتين في جملة واحدة دون تحديد موضع الانتقال.
توفر OmniChannels.ai، عبر القدرات الصوتية لدى BroadNet، خدمة تحويل النص إلى كلام بما في ذلك العربية، لأنظمة IVR ورموز OTP الصوتية والمكالمات القابلة للبرمجة.
مثال
<speak>رمزك هو <say-as interpret-as="characters">471902</say-as>. <break time="700ms"/> أكرر…</speak>