Uudiste ettelugemine Jutusta v2-ga
Kas sünteeshääl suudab uudiseid ette lugeda nii, et neid tahaks kuulata? Lasime Jutusta v2-l lugeda ette kaks täispikka ERR-i uudislugu: tervisekassa visiiditeavitustest (umbes 2700 märki, tsitaatide ja numbritega) ja ilmateate (umbes 1400 märki, vahemike, ühikute ja märkidega). Valisime kümne hääle seast kaks ja tegime kummagi häälega versioonid inglisekeelse lugemisjuhisega ja ilma, pikkade lõikude ja lühikeste tükkidena ning kogu artikkel ühe päringuga. Kokku tegime 160 sünteesi. Iga versiooni kontrollisime kõnetuvastusega, kas kõik sõnad on alles ja õigesti loetud, ning mõõtsime pause, tempot ja valjust.
Ilmateade, soovitatud seadistus, ilma juhiseta
Kuula kõiki 60 klippi koos artiklite tekstiga demolehel →
Mida leidsime
- Kõik versioonid on arusaadavad. Kõnetuvastuse märgivigade määr oli tervisekassa loos 0,3–0,8 % ja ilmateates 1,4–2,1 %. Suurem osa ilmateate vigadest tuli tekstitöötlusest (vt punkt 6). Ükski versioon ei katkenud ega jätnud teksti pooleli.
- Pikad lõigud ja lühikesed tükid kõlavad sarnaselt. Erinevus on väiksem kui sama teksti kahe võtte vahel: üks 168-märgiline lause kestis eri võtetes 9,1–14,5 sekundit.
- Kogu artikkel ühe päringuga töötab sama hästi kui lõikude kaupa kokku pandud versioon. Lõikude vahele jätab mudel ise 0,4–1,9 s pausi.
- Juhise mõju sõltub häälest. Kerli loeb juhisega peaaegu samamoodi kui ilma. Ahto loeb 4–13 % kiiremini ja elavama intonatsiooniga. Juhis teeb sünteesi umbes sekundi võrra lõigu kohta aeglasemaks.
- Eraldi sünteesitud lõikude valjus erineb. Üheainsa lausega lõigud jäid 5–7 dB vaiksemaks. Lõike kokku pannes tuleb valjus ühtlustada.
- Vead tulid tekstist, mitte häälest. Teksti normaliseerimine luges „4-10” kui „neli-kümme” ja kaotas punkti „14 m/s.” järel, nii et kaks lauset jooksid kokku. Parandasime selle: nüüd kõlab „neli kuni kümme”, „pluss viis” ja „miinus kaks” ning lauselõpu punkt jääb alles. Uuesti sünteesitud ilmateates olid kõik vahemikud ja märgid õiged.
Soovitused uudistetoimetusele
- Hääl. Kerli (rahulik ja ühtlane naishääl) või Ahto (sügavam ja kiirem meeshääl). Uudisteks sobivad ka Ülle, Margit, Kristel, Signe, Veiko, Ragnar, Silver ja Tanel. Vali kõrva järgi.
- Üks päring lõigu kohta. Ebaõnnestunud võtte saab teise seemnega (
seed) uuesti teha ilma kogu lugu üle tegemata, ja esimene heli on käes mõne sekundiga: lõik võtab tavaliselt umbes 6 s, terve artikkel ühe päringuga 17–47 s. Pane lõikude vahele 0,6–0,8 s vaikust ja ühtlusta lõikude valjus. Kui lõike kokku panna ei taha, saab kogu artikli (kuni 8000 märki) saata ühe päringuga; kvaliteet on sama. - Juhis on valikuline ja ingliskeelne. Vaikimisi jäta see ära. Kasuta, kui hääl vajab tõuget, ja hoia sõnastus kogu saate ulatuses sama, et lõigud kõlaksid ühtemoodi.
- Paus. Kirjuta
[paus](umbes sekund) või[pikk paus], kus paus on oluline, näiteks enne ilmateadet või uudiste vahel. Lõigu sees otsustab lausetevahelise pausi muidu mudel ise. - Tekst. Numbrid, ühikud, kuupäevad, järgarvud, vahemikud ja märgid kirjutatakse
sõnadeks automaatselt. Spordiseisud (
2:1,0-2), telefoninumbrid ja tühikutega kriipsud numbrite vahel kirjuta nii, nagu need peavad kõlama. Rõhutamiseks suurtähtedega kirjutatud sõnad kirjuta väiketähtedega; lühendid nagu NATO on korras. Jäta välja autori- ja fotoallkirjad. - Korratavus. Sama tekst, hääl ja seeme annavad sama heli, nii et parandusi saab teha nii, et hääl ei muutu.
Jutusta v2 on kasutusel veebis ja API kaudu (model_id: "jutusta_v2"). Kõik versioonid, artiklite tekst ja viited originaalidele on demolehel.
Allikad
Uudislood on ERR-i (Eesti Rahvusringhääling) omad ja neid kasutati ainult demonstratsiooni eesmärgil. Tekstide autoriõigus kuulub ERR-ile; ERR ei ole seda katset koostanud ega heaks kiitnud.
- ERR, „Arstivastuvõttudest teavitamist katsetanud tervisekassa peatas ettevõtmise (avaneb uuel vahelehel)”, err.ee, .
- ERR, „Teisipäeval on nii päikest kui ka vihma (avaneb uuel vahelehel)”, err.ee, .
10. november 2026