Amikor megkaptam első pc-met, elkezdtem egy talk to speech programot fejleszteni.
A módszerem nagyon egyszerű volt. Mikrofonnal elkezdtem rögzíteni betűpárokat, aa, ab, ac, ad, ae stb. és így tovább minden betű kombinációja minden betűvel. A lejátszó pedig úgy mixelte egymás után a betűpárokat, hogy az egyik betűt átúsztattam (fade) a másikba. Sajnos túl sok meló volt vele, ezért csak az a, b kezdőbetűs párokat mondtam fel. Az eredmény azonban nagyon bíztató volt!  Sőt, meglepően jó. (Felmondtam néhány másik betűpárt is hogy tesztelhessem rendes mondatokkal, pl tök jól kimondta, hogy "elmegyek haza" és ilyesmiket.

Csak hát elvette a kedvemet, hogy már akkor is voltak elég jól beszélő programok, bár úgy emlékszem magyar nem volt még.

Na most pc-re persze már nincs értelme ilyet fejleszteni... viszont EP-re lehetne! Mit szóltok?

Ráadásul már nem is kéne mikrofonnal szórakozni, hanem akármelyik webes beszéldprogramba beadni a betűpárokat és ezt a hangot feldolgozni (kivágni a betűpárokat és kimenteni).

Az EP-s lejátszó pedig már gyerekjáték lenne.
Persze tudom, ennyi még nem elég egy jó beszédprogramhoz, de kezdetnek nagyon jó lehetne.

Anno a HDIGI -t hallottam Haluska Lacinál beszélni, már az is meglepően jó és élethű volt! Támogato én is!

Nagyon sok ilyen szabályt meg extrát lehet rakni egy beszédprogramba. Ezeket idővel lehet hozzáfejleszteni.
De pl a mostani EP-s (vagy bármilyen kisgépes) beszédprogramoknál nagyságrendekkel jobbat lehet elérni már azzal is amit leírtam (betűpárok egymásba fade-lése). Majd meglátjátok - persze ha lesz ebből egyáltalán valami.

Pl. a Speak Easy és társai mind 1 bites béna "hangmintákat" használnak (még csak nem is hangminták szerintem), ami eleve gáz ügye EP-n... legalább valami filtert raktak volna bele szoftveresen, ami az 1 bitet kicsit "több bitessé" teszi...

Na persze van még egy kérdés, a memória! Mert a sok kis rövid betűpár azért biztos elég sok memóriát foglal majd. De szerintem 128K azért elég lehet.

Ez kicsit mar kevesbe EP tema talan, de en mindig azon gonolkodtam, hogy kotelezo-e a "digitalizalt alap". Miert nem lehet szimulalni a hangszalak mukodeset, es a kulonbozo utana utjaba allo dolgok (lasd nyelv, ilyesmi) hatasat az eloallitott hangra. Mondjuk fog'sincs, hogy akar PC-n vmi modern formaban hasznalnak-e ilyesmit, vagy meg mindig celravezetobb valami emberi hangbol kiindulni (pl amirol itt is szo volt: felvenni hangokat/hang-kapcsolatokat, aztan azokat mixelgetni - miegymas). Mondjuk, ha ilyen van is (nem tudom), ez talan mar nem EP szint lenne

Egy dolog viszont beugrott: ugy remlik, hogy AdLib kartyaknal kiserleteztek azzal, hogy egyszerre hasznaljak az osszes oszcillatort, pont "beszedemulacio" kapcsan. Azt mondjuk nem tudom, hogy ez mennyire szolt "jol", vagy egyaltalan hasznalta-e valaki valaha is.

rosszul emlékeztem, ez a c64-es minimálisan jobb csak

https://www.youtube.com/watch?v=Rm4ZCGgzeeU

Meanwhile I've found the ROM of the Speakeasy chip:

http://spatula-city.org/~im14u2c/sp0256-al2/

This web-page contains explanations about the algorithms used. Can it be useful?

Az a hardveres Speakeasy nagyon jó. Egyik találkozón belehallgattunk az Eat It Up beszédbe, teljesen érthető. Jobb, mint az a C64-es, bár az is egész jó.

és ehhez a mikrobihoz képest?

Szerintem ahhoz képest is sokkal jobb a Speakeasy. Tehát a :SAY rendszerbővítőhöz képest is.

A SAY-jel a legtöbb szó érthetetlen, ahogy kimondja (ha nem tudod, mit mond, nem érted).