Кіріспе

Apple Inc компаниясының сөйлеу синтезі (MacinTalk) және сөйлеуді тану технологияларының жиынтық атауы – PlainTalk.

PlainTalk – Apple компаниясының 1990 жылы сөйлеуді тану технологиясына көп еңбек пен қаражат салған нәтижесі. Компания осы саладағы көптеген зерттеушілерді жұмысқа алды. PlainTalk 1993 жылдан бастап Macintosh Quadra сериялы AV модельдерімен бірге қолданысқа енгізілді. Ол 7.1.2 жүйесінде стандартты жүйелік компонент ретінде құрастырылды және содан бері барлық PowerPC және кейбір 68k Macintosh компьютерлерімен бірге келеді.

Технология

Apple-дің мәтінді дауысқа түрлендіруі дифондарды пайдаланады. Сөйлеуді синтездеудің басқа әдістерімен салыстырғанда, ол көп ресурстарды қажет етпейді, бірақ синтезделген дауыстың табиғилығын шектейді. Американдық ағылшын және испан тілдеріндегі нұсқалар қолжетімді болған, бірақ Mac OS X пайда болғаннан бері Apple тек американдық ағылшын дауыстарын ғана ұсынады, басқа тілдердегі дауыстарды қамтамасыз ету үшін Acapela Group сияқты үшінші тарап жеткізушілеріне сенеді (OS X 10.7 нұсқасында Apple көптеген үшінші тарап дауыстарын лицензиялады және оларды Дауыс басқару тақтасынан жүктеуге қолжетімді етті). Сөйлеу менеджері деп аталатын қолданбалық бағдарламалау интерфейсі үшінші тарап әзірлеушілеріне өз қолданбаларында дауыс синтезін пайдалануға мүмкіндік береді. Интонация мен ырғақты нақты реттеу үшін әртүрлі басқару тізбектері бар. Дауыс көлемін, биіктігін және сөйлеу жылдамдығын да конфигурациялауға болады, бұл ән салуға мүмкіндік береді. Синтезаторға берілетін деректерді арнайы фонемалық әліпби арқылы тікелей басқаруға болады.

MacinTalk-тың түпнұсқасы

Алғашқы Macintosh мәтінін сөйлеуге айналдыратын қозғалтқыш, MacinTalk (Дениз Чандлер ат қойды), 1984 жылы Macintosh-тің таныстырылысында Apple компаниясы қолданды, онда компьютер өзін әлемге жариялады (және IBM компьютерінің ауыр салмағымен әжуалады). Ол Macintosh операциялық жүйесіне енгізілгенімен, Apple компаниясы оны ресми түрде қолдамады (бірақ бағдарламалау туралы ақпарат Apple техникалық хабарламасы арқылы қолжетімді болды). MacinTalk-ты Жозеф Кац және Марк Бартон жасады, олар кейін SoftVoice, Inc. компаниясын құрды, ол қазір Windows, Linux және кіріктірілген платформалар үшін TTS қозғалтқыштарын сатады. MacinTalk түпнұсқа Macintosh дыбыс жабдығына тікелей қол жеткізуді пайдаланды және Apple компаниясының жаңа Mac-тер үшін оны жаңарту үшін бастапқы кодты лицензиялауға жасаған барлық әрекеттері сәтсіз аяқталды.

MacinTalk 2 (жазушы)

Ақырында Apple компаниясы MacinTalk 2 деп аталатын қолдау көрсетілетін сөйлеу синтезі жүйесін шығарды. Ол System Software 6.0.7 немесе одан кейінгі нұсқаларымен жұмыс істейтін кез келген Macintosh компьютерін қолдайды. MacinTalk 3 және Pro нұсқалары шыққаннан кейін де, бұл нұсқа әлсіз машиналар үшін таңдаулы болып сақталды.

MacinTalk 3, кәсіби

MacinTalk 3 бағдарламасында кең ауқымды дауыстар енгізілді. "Ральф", "Фред" және "Кэти" сияқты стандартты ересек дауыстарынан және "Принцесса" (macOS Ventura-да "Супержұлдыз" деп қайта аталды) және "Юниор" сияқты балалар дауыстарынан өзге, "Шыбырлау", "Зарвокс" (мелодиялық қосымша дыбыстары бар робот дауысы, сондай-ақ "Триноидтар" деп аталатын ұқсас дауыспен), "Челло" (Эдвард Григ музыкасына сәйкес мәтінді орындайтын дауыс, басқаша "Тау патшасының залында" деп белгілі), "Альберт" (қақаңыр дауыс), "Қоңырау", "Секундтік секіру", "Көпіршіктер" және тағы да басқалары қосылды. Бұл дауыстардың әрқайсысы өзінің мысал мәтінімен бірге келді, ол Сөйлеу басқару тақтасындағы "Тест" түймесін басқанда оқылатын. Кейбіреулері өз атын, тілін және MacinTalk-тың қай нұсқасымен енгізілгенін айтатын. Ал басқалары қызықты нәрселерді айтар еді, мысалы: "Мен осы әсем компьютерде болуды ұнатамын", "Менің тамағымда бақа бар. Жоқ, мен нағыз бақаны айтқым келеді!", "Біз осы қайғылы дауысқа қуанғандықтан шаттанамыз" (орган музыкасымен бірге батыстық шіркеу әндерін пародизациялау) немесе "Туннельдің соңында көретін жарық – жақындап келе жатқан пойыздың фарасы". Бұл дауыстар бүгінгі күнге дейін macOS жүйесінде сақталып қалды. (macOS Ventura-да бірнеше дауыс атаулары мен олардың тесттік мәтіндері өзгертілді, содан кейін macOS Sonoma-да барлық тесттік мәтіндер "Сәлем, менің атым [дауыс аты]" деп өзгертілді.) AV Mac және PowerPC негізіндегі Macintosh компьютерлерінің есептеу қуатының артуы Apple-ға синтез сапасын жақсартуға мүмкіндік берді. MacinTalk 3 үшін 33 МГц 68030 процессоры, ал MacinTalk Pro үшін 68040 немесе одан да жақсы процессоры және кем дегенде 1 МБ жедел жад қажет болды. Әр синтезатор әртүрлі дауыстар жиынтығын қолдады.

Mac OS X- те мәтіннен дауысқа айналма

Мәтіннен сөйлеу әр Mac OS X (кейін macOS) нұсқасының бір бөлігі болды. Виктория дауысы Mac OS X v10.3 нұсқасында айтарлықтай жақсартылды және Виктория ретінде сақталды (Виктория алынып тасталмады). Оның көлемі жоғары сапалы дифон үлгілерінің арқасында шамамен 20 есеге ұлғайды. Mac OS X 10.5 Leopard шығарылымымен Mac мәтініне сөйлеу тізіміне "Алекс" деп аталатын жаңа, әлдеқайда табиғи дыбыс дауысы қосылды. Mac OS X 10.7 Lion-да дауыстар қосымша АҚШ ағылшын және басқа ағылшын акценттерінде, сондай-ақ 21 басқа тілде қолжетімді болды. Таңдалған мәтінді перне басылғанда оқу мүмкіндігі, кез келген қолданбадан таңдалған мәтінді пернелер комбинациясы арқылы оқуға мүмкіндік береді. Mac OS X 10.1 мен Mac OS X 10.6 аралығында, бұл мүмкіндік таңдалған мәтінді буферге көшіріп, содан оқитын. Mac OS X 10.7 мен Mac OS X 10.10 аралығында, мүмкіндіктің жаңа нұсқасы бағдарламалық жасақтама әзірлеушілерін өз қолданбаларына сөйлеу синтезі API-ін енгізуді талап етті. Бұл буфердің мазмұнын жаңартуға жол бермеді, бірақ API-ді қолдана бермейтін қолданбалар үшін, мүмкіндік күткендей жұмыс істемей, таңдалған мәтіннің орнына терезе тақырыбын оқитын. macOS Sierra 10.12-де Siri Mac үшін енгізілді, бірақ бұл дауыс жүйелік дауыс ретінде қолжетімді болмады, яғни Siri дауыстарын тек Siri ішінде ғана пайдалануға болады. Siri кез келген мәтін үшін жұмыс істейтіндей болу үшін macOS Catalina 10.15-те жүйелік дауыс ретінде қолжетімді болды. Siri дауыстары мүлдем басқа принциппен жұмыс істейді және бұрынғы командалар Siri-ді пайдалана алмайды. macOS Big Sur 11.3 жаңартуында барлық дауыстарға қатысты гендерлік сілтемелер алынып тасталды, бұл Apple-дің гендерлік теңдікті қолдау шараларының бір бөлігі ретінде iOS 14.5 және macOS 11.3 және одан кейінгі нұсқалардағы Siri дауыстарының өзгеруімен сәйкес келді.

Сөйлеуді тану

Apple компаниясы 1990 жылы көптеген дауыстық тану зерттеушілерін жұмысқа алды. Шамамен бір жылдан кейін олар «Каспер» кодовый атымен таныстырылған технологияны көрсетті. Ол 1993 жылы PlainTalk жинағының бір бөлігі ретінде жарияланды. Барлық PowerPC Macintosh және AV 68k машиналарында қолжетімді болғанымен (Centris 660AV және Quadra 840AV машиналарында DSP-ді пайдаланған аз ғана қолданбалардың бірі болды), ол Mac OS X-ке дейінгі стандартты жүйе орнатуының бөлігі болған жоқ, сондықтан пайдаланушыға дауыстық тану мүмкіндігін алу үшін жеке OS орнатуын жүргізу қажет болды. Mac OS X 10.7 Lion және одан бұрынғы нұсқаларында Apple-дің дауыстық тануы тек дауыстық командаларға бағытталған, яғни диктант үшін емес. Оны «қыздыру пернесін» басу арқылы, «Компьютер» немесе «Macintosh» сияқты белсендіру фразасын айтқаннан кейін немесе ешқандай сұраусыз тыңдау үшін конфигурациялауға болады. Тыңдау күйі, қолжетімді командалар мен әрекеттер туралы визуалды және мәтіндік кері байланыс беретін графикалық монитор көбінесе анимациялық кейіпкер түрінде болады. Сондай-ақ, ол дауыстық синтез арқылы пайдаланушымен байланыса алады. Дауыстық танудың алғашқы нұсқалары мәзірлерге толық қол жеткізуді қамтамасыз етті. Бұл мүмкіндік кейіннен тым көп ресурстар қажет еткендігі және танудың сенімділігін төмендеткендігі үшін алынып тасталды, бірақ Mac OS X 10.3-те «әмбебап қолжетімділік технологиясы» ретінде қайта қосылды. Пайдаланушы «Сөйлейтін элементтер» деп аталатын арнайы папкада орналасқан элементтерді, жүйе тыңдау режимінде болғанда, олардың атын айту арқылы іске қоса алады. Apple осы папкаға бірнеше AppleScript-терді қосты, бірақ псевдонимдер, құжаттар және папкаларды да осылай ашуға болады. Қосымша функционалды жеке қолданбалар қамтамасыз етеді. Бағдарламалық интерфейс бағдарламаларға қолжетімді лексиканы анықтауға және өзгертуге мүмкіндік береді. Мысалы, Finder файлдар мен терезелерді басқару үшін лексиканы ұсынады. OS X 10.8 Mountain Lion-да Apple жалпы мәтін үшін «Диктант» енгізді. Бастапқыда, оны өңдеу үшін Apple серверлеріне аудио деректерін жіберу қажет болды. OS X 10.9 Mavericks-те Apple оны интернет байланысысыз пайдалану үшін диктантты қолдауды жүктеу мүмкіндігін қосты. OS X 10.9.3 нұсқасынан бастап сегіз тіл (19 диалект) қолдау көрсетіледі.

Жабдық

Apple "Apple PlainTalk Microphone" деген атаумен микрофондар шығарды. Бірінші модель Macintosh LC және алғашқы Performa модельдерімен бірге келді және дөңгелек пішіндес болды. Ол CRT дисплейінің қабырғасына бекітілген ұстағышта тұруға және сөйлегенде ауызға көтеріп ұстауға арналған. Екінші модель 1993 жылы Macintosh Quadra сериясының AV модельдерімен бірге ұсынылды, бірақ жеке де сатылды. Ол экранның үстіне орналастырылып, алдыңғы жақтан келетін дыбысқа сезімтал болу үшін жасалған. Екі модельдің де ұзын қосылысы болды, оның ұшы микрофонды қуатпен қамтамасыз ету үшін қолданылды.