Text-to-Speech (TTS)

Kurz erklärt

Text-to-Speech erzeugt gesprochene Sprache aus geschriebenem Text. Die Abkürzung lautet TTS; auf Deutsch spricht man auch von Sprachsynthese.

Was ist Text-to-Speech?

Ein TTS-System wandelt Text in ein Audiosignal um. Moderne Modelle können Betonung, Pausen, Sprechtempo und teilweise verschiedene Stimmen oder Stile steuern.

Wie funktioniert das?

Text
 ↓
sprachliche Aufbereitung
 ↓
Stimm- und Klangmodell
 ↓
gesprochene Audiodatei

Die Aussprache von Eigennamen, Abkürzungen und fremdsprachigen Wörtern kann besondere Hinweise benötigen.

Konkretes Beispiel

Ein freigegebener Informationstext wird zusätzlich als Audiodatei bereitgestellt. Vor Veröffentlichung prüft eine Person Aussprache, Tempo und Betonung. Ein falsch ausgesprochener Name wird über ein Aussprachelexikon oder eine angepasste Schreibweise korrigiert.

Warum ist das wichtig?

TTS kann Barrierefreiheit, Mehrsprachigkeit und schnelle Audioversionen unterstützen. Besonders sensibel ist die Nachbildung realer Stimmen. Einwilligung, Kennzeichnung und Schutz vor Täuschung sind dabei wesentlich.

Typisches Missverständnis

Missverständnis: Eine natürlich klingende synthetische Stimme gehört notwendigerweise zu einer real sprechenden Person.

Die Stimme kann vollständig synthetisch oder aus Stimmmerkmalen modelliert sein. Natürlichkeit belegt keine menschliche Aufnahme.

Merksatz

Text-to-Speech macht Text hörbar; Natürlichkeit, korrekte Aussprache und verantwortliche Stimmnutzung müssen geprüft werden.