Jak AI pomáhá číst učebnice

Když se řekne AI, většinou si představíme generování odpovědí na dotazy, které zadáme nějakému jazykovému modelu nebo generování obrázků. Pomocí moderní technologie AI však lze zdokonalit i převod textu na řeč, aniž bychom museli text sami číst nebo dokonce zaměstnávat nějakého profesionálního dabéra.

Existuje řada online služeb i profesionálních programů, které převod textu na řeč dokáží. Důležité je, aby takový program uměl využívat cloudové služby poskytovatelů TTS (převodu textu na řeč), které k vylepšení výsledného zvuku využívají kapacit velkých hráčů na poli AI, jakými jsou Amazon, Microsoft, či Google. Velmi jednoduchým, avšak efektivním nástrojem pro takovýto převod textu na řeč je program Balabolka. Ten je ve výchozím režimu obyčejným offline převodníkem textu na řeč, který sice svou práci zastane, avšak výsledek zní jako typický robot. Doplňkem pro tento program je ovšem i nástroj pro příkazovou řádku, který dokáže využívat online TTS služeb mnoha různých poskytovatelů.

Výhodou Balabolky je, že v ní lze definovat pravidla pro čtení, aby například text „1. 5. 2025“ znělo opravdu jako „prvního pátý dva tisíce dvacet pět“ a nikoli jako „jedna tečka pět tečka dvanuladvapět“. Taková pravidla lze nastavit například pro čtení biblických souřadnic, byť vyladit tuto funkci k dokonalosti není snadné.

Který hlas je nejlepší?

Při výběru nejlepšího AI hlasu nám jde o srozumitelnost a přirozenost. Srovnejme si tedy nyní na následujícím úryvku z učebnice Nový zákon jako literatura všechny české AI hlasy, které máme k dispozici. Zadaný úryvek zní:

Jednou ze součástí Božích smluvních zaslíbení je věčné království, jemuž bude vládnout Davidův potomek. Tento slavný, věčný král je také naplněním Božího zaslíbení, že prostřednictvím Abrahamova potomka požehná všem národům. Evangelia se o tomto království často zmiňují a zaznamenávají Ježíšova slova a činy, které ho definují a zároveň ukazují.

Nyní si vygenerujeme čtyři různé audio verze od tří různých poskytovatelů. Pouze Microsoft má k dnešnímu datu pro češtinu ženskou i mužskou variantu.

Mým dojmem je, že i když AI hlasy od Amazonu a Googlu vůbec nejsou špatné, nejlepší a nejpřirozeněji znějící je mužský hlas od Microsoftu.

Pomocí Balabolky takto převádíme celé učebnice do formátu mp3, aby si je mohli studenti poslouchat při jiné práci jako audioknihy. I když převod na audio vůbec není dokonalý, průběžně se zlepšuje a audio soubory se průběžně aktualizují. Zde je potřeba dodat, že pokud budete převádět vysoké množství textu na řeč, žádná z uvedených online služeb vám to neumožní bez vlastního API klíče a bez poplatku. Vlastní API klíč získáte na stránce Microsoft Azure, Google Cloud Console nebo Amazon Web Services. Převod jedné učebnice (asi 100 000 slov) vás u MS Azure vyjde na 300-500,- Kč dle toho, zda se dělají předělávky.

Abych si usnadnil práci, vytvořil jsem pro hromadné generování audio souborů pomocí Balabolky jednoduchý skript v Powershellu, který případným zájemcům nasdílím, stejně jako pravidla čtení, s nimiž Balabolka pracuje.

Závěr

AI nástroje postupně, ašak nezadržitelně mění technologické prostředí. Jedinou obranou zůstává vytáhnout počítač ze zásuvky. Přináší to pochopitelně teologické výzvy, ale zdá se, že technologický pokrok může právě s propagací a praktickou prezentací teologie vlastně pomáhat.

Já osobně mám audioknihy rád a jejich poslechem trávím poměrně hodně času. Je to skvělá příležitost pro spojení dvou činností, které se navzájem neruší (např. poslech + úklid :-).

Doufám, že se nám audioverze předmětů pro Launchpad a Orbit bude dařit nadále zlepšovat.