Az utóbbi években ugrásszerűen fejlődtek az AI-alapú hanggenerátorok, amelyek a szövegből beszédet készítő technológiákra épülnek. Ebben a videóban négy különböző szolgáltatást vizsgálnak meg, különös tekintettel arra, hogy melyik lehet a legalkalmasabb hangoskönyvek készítésére.
A bemutatott rendszerek árait, felhasználói felületének kényelmét és természetesen a generált hangminőséget is alaposan összevetik. Felmerül a kérdés, hogy az olcsóbb szolgáltatások milyen minőségbeli kompromisszumokat hoznak, illetve mennyire egyszerű velük a teljes könyvet kezelni, például egész dokumentum feltöltésével vagy akár csak részletekben.
Külön érdekes szempont, hogy a különböző AI audioeszközök közül melyik tud a legjobban élethű, természetes beszédet alkotni, valamint miként boldogulnak a párbeszédek azonosításával, a szereplők hangjainak elkülönítésével. Informatív betekintést nyerhetünk abba, mennyire praktikus több karakterhez külön hangot rendelni automatikusan, és hogyan ismerik fel maguktól a különböző megszólalókat.
A videó külön figyelmet fordít a jellemző hibákra is, például a mesterségesen szaggatott beszédre, a hangzási anomáliákra vagy a nem elég természetes szünetekre, amelyek kihúzzák a befogadót az élményből. Mindeközben felmerül az a kérdés is, hogy mikor érdemes még mindig emberi narrátort választani, illetve az AI hol tart jelenleg a minőség szempontjából.
