Text-to-speech, meestal afgekort tot TTS, is technologie die geschreven tekst omzet in gesproken audio. Je voert er een zin in en het geeft een opname terug van een stem die die zin voorleest, met realistisch tempo en intonatie.
Een herkenbaar voorbeeld is de navigatie-app in je auto. Jij typte een adres, maar een stem zegt dat je over 200 meter linksaf moet. Die stem is TTS in actie: het pakt gegenereerde tekst en spreekt die uit, zodat jij je ogen op de weg houdt. Diezelfde techniek zit achter schermlezers, het inspreken van audioboeken en de gesproken antwoorden van een spraakassistent. Het is de natuurlijke tegenhanger van speech-to-text, dat de luisterkant voor zijn rekening neemt.
Moderne systemen lezen woorden niet zomaar vlak voor. Ze modelleren nadruk, ademhaling en emotie, en sommige laten je een specifieke stem klonen of kiezen uit tientallen talen. De kwaliteit is zo gestegen dat een kort fragment lastig van een echte opname te onderscheiden is. Onder de motorkap voorspelt een neuraal model de geluidsgolf rechtstreeks, en daarom stromen de stemmen van nu in plaats van losse lettergrepen aan elkaar te plakken zoals oudere systemen deden.
Die realiteit snijdt aan twee kanten. Een gekloonde stem kan een script voorlezen dat de echte persoon nooit goedkeurde, dus toestemming en duidelijke labeling tellen, en meerdere landen hebben inmiddels regels rond synthetische stemmen. Er is ook een praktische grens: lastige namen, buitenlandse woorden en rare afkortingen laten zelfs de beste engines struikelen, en daarom is een mensenoor op de eindaudio die minuut meer dan waard.
Bij TopDevs voegen we TTS toe aan klantproducten waar een gesproken antwoord de ervaring beter maakt, zoals automatisering van een telefoonlijn of het toegankelijk maken van content voor gebruikers die het scherm niet kunnen lezen.
