 |
SAPI – co to jest? |
 |
Speech Application Programming Interface lub SAPI – to pakiet oprogramowania, opracowany przez Microsoft dlatego, żeby programy mogły wykorzystywać komputerową syntezę mowy. Istnieją dwie podstawowe wersje SAPI (SAPI 4 i SAPI 5), które są niekompatybilne. System operacyjny Windows 2000 zawierał SAPI 4, Windows XP i wszystkie późniejsze wersje - SAPI 5. Można pobrać i zainstalować obie wersje SAPI na jeden komputer; to pozwoli wykorzystywać wszystkie istniejące silniki rozpoznawania mowy (stare i nowe). Więcej informacji na temat aktualnej wersji SAPI można znaleźć na stronę Microsoft. |
| |
|
Gdzie ja mogę znałeżć SAPI 4? |
|
Dla tego, aby wykorzystać głosy SAPI 4, trzeba pobrać i zainstalować Microsoft Speech API 4.0. Także, można pobrać i zainstalować Microsoft Speech Control Panel; po tym w panelu sterowania pojawi się ikonka "Mowa". |
| |
|
Gdzie ja mogę znałeżć SAPI 5? |
|
Windows XP (i późniejsze wersje) zawiera SAPI 5. |
| |
|
Jak dowiedzieć się, jakie głosy są zainstalowane na moim komputerze? |
|
Listę głosów można sprawdzić tutaj: Control Panel (Panel sterowania)
=>
Speech (Mowa)
=>
Speech Properties (Właściwości Głosu)
=>
Text To Speech (Tekst na mowę)
=>
Voice selection (Wybór głosu). |
| |
|
Jak wykonać "cichą" instalację programu? |
|
Instalacja automatyczna programu bez demonstracji dialogów ("cicha" instalacja) możliwa przy podaniu klucza -silent w wierszu poleceń. |
| |
|
W moim komputerze zainstalowane dwie karty dźwiękowe. Jak wybrać prawidłowe potrzebne urządzenie audio do odtwarzania mowy? |
|
Można wybrać urządzenie audio w panelu sterowania Windows; na przykład, w kategorii "Dźwięk, mowa i urządzenia audio", przycisk "Wyjście audio" ("Audio Output"). Kartę dźwiękową można także wybrać w programie Balabolka (punkt głównego menu programu "Opcje | Wyjście audio"). |
| |
|
Otwieram w programie plik w formacie DjVu, ale tekst jest nieobecny. W czym jest problem? |
|
Format DjVu został opracowany dla przechowywania skanowanych dokumentów. To znaczy, w plikach DjVu są przechowywane skompresowane graficzne obrazy stron książek, pism itp. Format DjVu przewiduje obecność warstwy tekstowej (OCR), co zawiera tekst strony. Pliki z warstwą tekstową czasem oznaczają jak DjVu+OCR.
Program Balabolka umie wyciągać dane tylko z warstwy tekstowej. W przypadku, jeśli warstwa tekstowa jest niedostępna, jedyną metodą otrzymywania tekstu jest optyczne rozpoznawanie, na przykład, w FineReader. |
| |
|
Mam 64-bitową wersję systemu Windows. Zainstalowałem 64-bitowy moduł Runtime do Microsoft Speech Platform, a także polski głos. Ale liśta dostępnych głosów w programie Balabolka jest pusta. W czym jest problem? |
|
Program Balabolka jest 32-bitową aplikacją. Więc trzeba zainstalować 32-bitny moduł Runtime do Microsoft Speech Platform. |
| |
|
Co to jest Google Text-To-Speech? |
|
Przy wykorzystaniu usługi tłumaczeń Google obok przetłumaczonego tekstu jest przycisk "Listen" ("Słuchać"). Wystarczy kliknąć ikonkę a przeglądarka sciągnie z strony Google plik dźwiękowy MP3 z udźwiękowionym tłumaczeniem. Dostępne są 30 języków. Długosć tekstu nie może przekraczać 100 symboli. Z programem Balabolka można zapomnieć o tym ograniczeniu: duże teksty dzielą się na drobne części, dla każdej części tekstu pobiera się plik dźwiękowy, wszystkie pliki łączą się w jeden audioplik. |
| |
|
Otwieram w programie e-book, ale nie ma w oknie tekstu. W czym problem? |
|
Może być kilka wyjaśnień. Po pierwsze, plik może wyglądać jak zestaw zeskanowanych obrazów stron książki papierowej. Po drugie, e-book może być chroniony przez DRM. Program nie ma możliwości wyodrębnić tekst z książki pod taką ochroną (to byłoby niezgodne z prawem). |
| |
|
Windows 11 introduces more natural voices, such as Microsoft Jenny and Microsoft Aria. How can I access them with SAPI 5? |
|
This problem can be fixed with the NaturalVoiceSAPIAdapter utility. It will add new speech engines to the SAPI 5 voice list; it can also add the voices available in the Microsoft Edge browser to this list. More information can be found here. Since Balabolka is a 32-bit application, you should install the 32-bit and 64-bit versions of the utility (see "Installation Status" in the utility's window). You can download the latest release of the utility.
Windows allows to add voices for other languages: select Start
=>
Settings
=>
Time & language
=>
Language & region, go to Preferred languages, select Add a language. Choose and install the optional feature Text-to-speech.
The SAPI Unifier utility allows to make Microsoft OneCore voices and Microsoft Speech Server voices available via SAPI 5. |
| |
|
How do I change a voice during reading aloud? |
|
Use the XML tags. It is recommended to write the opening and closing tags inside the same paragraph. For example:
<voice required="Name=Microsoft Zira Desktop">Hello, how are you?</voice>
<voice required="Name=IVONA 2 Amy">I am good.</voice>
In addition, Balabolka supports its own tags to modify the speech synthesis.
{{Voice=Jenny}} This text will be read by the voice 'Microsoft Jenny'.
{{Voice=}} This text will be spoken by the default voice in Balabolka. |
| |
|
When using new (natural, online) Microsoft voices, the SAPI 5 tag <silence> does not work. How can I insert silence into the spoken text? |
|
The new Microsoft voices were not developed to work with SAPI 5, so they support SSML tags instead of SAPI 5 tags. To insert silence, use the "universal" tag: it is described in the application's help file. For example:
The silence will last three seconds. {{Pause=3000}} Then reading will resume. |
| |
|
How to install and run Balabolka with voices on the Linux operating system? |
|
Please refer to the instructions published here or
here.
Microsoft Speech SDK can be downloaded from the official website (SpeechSDK51.exe, 68 MB). |
| |
|
I want to upload an audio file with a speech to YouTube, but this platform only allows video files to be published. To upload an audio file, I need to combine it with a static image (e.g., black rectangle) and upload as MP4. Please, tell me a simple way to get a video file from an audio file. |
|
Download the FFmpeg utility and run the command:
ffmpeg -f lavfi -i color=c=black:s=720x480 -i input.wav -tune stillimage -shortest -y output.mp4
The source file INPUT.WAV will be converted to the video file OUTPUT.MP4, where the image will be a black rectangle with dimensions 720x480. The resulting file can be uploaded to video hosting platforms. |
Często zadawane pytania