Aplikacionet shumëgjuhëshe kërkojnë shërbime zanore që kombinojnë mbulim gjuhësor, shqiptim natyral, personalizim dhe kosto të përballueshme. Për udhëzuesit e përdorimit, chatbot-ët e përkthimit dhe lojërat me komanda zanore, teksti veçon edhe vonesën nën 200 ms si kriter për funksionimin në kohë reale.
Google Cloud Text-to-Speech ofron mbi 220 zëra në 55 gjuhë dhe variante. Modelet Neural2 synojnë të folur të qartë, ndërsa shërbimi mbështet SSML dhe integrohet me Google Cloud. Kufizimet e përmendura janë rritja e kostos për përdorim në vëllim të lartë dhe mundësitë e kufizuara për klonimin e zërit.
Amazon Polly ka mbi 60 zëra në 29 gjuhë, me zëra neuralë, transmetim të integruar të të folurit dhe lidhje me ekosistemin AWS. Funksioni “Lexicon” lejon rregullimin e shqiptimit, por klonimi i mirëfilltë kërkon shërbime të jashtme. Numri i zërave neuralë për çdo gjuhë mbetet i kufizuar.
Microsoft Azure Cognitive Services – Speech bashkon kthimin e tekstit në të folur, transkriptimin, përkthimin dhe klonimin e zërit. Ofron mbi 200 zëra në më shumë se 75 gjuhë. “Custom Voice” mundëson trajnimin e një modeli me disa orë të folur; çmimi llogaritet për sekondë, ndërsa niveli falas përfshin 5 milionë karaktere në muaj.
Burimi: DEV Community (Web Dev Feed) — lexoni artikullin e plotë në anglisht.
