วัดคุณภาพเสียง AI ภาษาไทยด้วยสิบประโยค

บทความนี้คือแบบทดสอบการฟัง ระบุห้าสิ่งที่พยางค์ภาษาไทยมีแต่พยางค์ภาษาอังกฤษไม่มี ให้สคริปต์สิบบรรทัดที่ตรวจแต่ละข้อ และอธิบายวิธีให้คะแนน สคริปต์นี้ใช้กับเสียงใดก็ได้ เสียงของ Paxa TTS Flash อยู่ที่หน้ารวมเสียง และแบบทดสอบเหมือนกันไม่ว่าเสียงไหนจะอยู่ในเครื่องเล่น

ภาษาไทยบรรจุข้อมูลในหนึ่งพยางค์มากกว่าภาษาอังกฤษ คุณสมบัติทั้งห้าด้านล่างแต่ละข้อเปลี่ยนความหมายของคำได้ด้วยตัวเอง และแต่ละข้อคือจุดที่เสียงพลาดได้ทั้งที่ยังฟังลื่นไหลสำหรับคนที่ไม่รู้ภาษาไทย

• วรรณยุกต์ ภาษาไทยมีห้าเสียง และเสียงวรรณยุกต์เป็นส่วนหนึ่งของคำ ข่าว เป็นเสียงเอก ขาว เป็นเสียงจัตวา ข้าว เป็นเสียงโท วรรณยุกต์ผิดคือคำผิด และการอ่านราบเรียบที่กดทุกเสียงให้เท่ากันคือการอ่านที่ไม่มีคำอยู่ในนั้นเลย
• ความสั้นยาวของสระ สระเสียงสั้นกับสระเสียงยาวคือคนละสระ ฝัน คือความฝัน ฝาน คือการหั่นบาง ๆ และสิ่งเดียวที่ต่างคือความยาวของสระ เสียงที่ตัดสระยาวให้สั้นจะทำให้คู่คำแบบนี้กลายเป็นคำเดียวกัน
• ตัวสะกด พยางค์ที่สะกดด้วยแม่กก แม่กด หรือแม่กบ ปิดท้ายด้วยเสียงกักที่ผู้พูดไม่ปล่อยลม คำว่า มาก จบลงโดยปากยังปิด เสียงที่ฝึกจากภาษาอังกฤษเป็นหลักมักปล่อยลมท้ายพยางค์ ซึ่งเพิ่มลมออกมาหนึ่งจังหวะที่คนไทยได้ยินว่าเป็นสำเนียงต่างชาติ
• ร ล และคำควบกล้ำ ภาษาไทยมาตรฐานแยก ร กับ ล ออกจากกัน และออกเสียงควบกล้ำอย่าง คร ปล และ คล ครบ ภาษาพูดแบบกรุงเทพฯ ทิ้ง ร ใน ครับ แล้วพูดว่า คับ เสียงต้องเลือกระดับหนึ่งและรักษาไว้ทั้งบรรทัด เพราะการอ่านที่สลับไปมาฟังเหมือนมีผู้พูดสองคน
• คำยืม คำที่ยืมจากภาษาอังกฤษมีเสียงอ่านภาษาไทยที่ตายตัว พร้อมวรรณยุกต์ของตัวเอง ซึ่งตัวสะกดบอกไว้เพียงบางส่วน คอมพิวเตอร์ ลงท้ายด้วยเสียงโทที่ไม่มีอะไรบนหน้ากระดาษบันทึกไว้ เสียงอาจอ่านตัวสะกดไทยด้วยเสียงอังกฤษ หรืออ่านตรงตามตัวอักษร และทั้งสองแบบผิด

เหนือระดับพยางค์ยังมีอีกสามเรื่อง ภาษาไทยเขียนมีคำพ้องรูปหลายคำที่ตัวอักษรชุดเดียวอ่านได้สองแบบ และมีแต่ประโยคเท่านั้นที่ตัดสิน ตัวเลข วันที่ และเวลาอ่านตามกฎที่เสียงต้องรู้ และคำถามภาษาไทยบอกด้วยคำลงท้าย ระดับเสียงของทั้งประโยคจึงทำตรงข้ามกับคำถามภาษาอังกฤษ

แต่ละบรรทัดด้านล่างทดสอบคุณสมบัติหนึ่งข้อ และตารางถัดไปบอกว่าต้องฟังอะไร ทุกบรรทัดยาวไม่เกิน 50 ตัวอักษร ซึ่งคือความยาวที่กล่องบนหน้า text to speechอ่านให้ได้โดยไม่ต้องมีบัญชี คัดลอกไปตามลำดับ

บรรทัดที่ 6 คือแบบทดสอบคลาสสิกของการอ่านตามบริบท และมีญาติอีกคำคือ เพลา ซึ่งอ่านพยางค์เดียวเมื่อหมายถึงแกนล้อ และอ่านสองพยางค์เมื่อหมายถึงช่วงเวลา บรรทัดที่ 9 สำคัญที่สุดสำหรับเสียงผู้หญิง เพราะ ค่ะ เสียงโทกับ คะ เสียงตรีต่างกันแค่ไม้เอกตัวเดียวในการสะกด แต่ต่างกันทั้งระดับภาษาในการฟัง คู่มือเขียนสคริปต์อธิบายวิธีเขียนตัวเลขและคำอังกฤษเมื่อสคริปต์เป็นของคุณเองที่แก้ได้

การอ่านที่ลื่นไหลซ่อนข้อผิดพลาดไว้ หูให้อภัยวรรณยุกต์ที่ผิดเมื่อประโยคเดินต่อไปด้วยจังหวะที่เป็นธรรมชาติ และผู้ฟังที่ตัดสินจากความรู้สึกรวม ๆ จะปล่อยเสียงที่พลาดสามบรรทัดผ่านไป ให้คะแนนแต่ละบรรทัดตามข้อตรวจของบรรทัดนั้นเท่านั้น

• ฟังแต่ละบรรทัดสองรอบ รอบแรกฟังทั้งบรรทัด รอบที่สองฟังเฉพาะคุณสมบัติที่ตารางระบุ
• ให้คะแนนแต่ละบรรทัด 0 1 หรือ 2 สองคือผ่านข้อตรวจอย่างสะอาด หนึ่งคือคนไทยสังเกตได้แต่ยังเข้าใจ ศูนย์คือคำเปลี่ยนความหมายหรืออ่านผิด
• อ่านครบสิบบรรทัดในเสียงเดียวก่อนเปลี่ยนเสียง จุดประสงค์คือเทียบบรรทัดที่ 3 ของเสียงหนึ่งกับบรรทัดที่ 3 ของอีกเสียง และการสลับเสียงกลางรอบทำให้จำไม่ได้ว่าเสียงไหนทำอะไร
• ขอให้เจ้าของภาษาให้คะแนนบรรทัดที่ 1 2 6 และ 9 แบบไม่เห็นตาราง สี่บรรทัดนี้คือจุดที่หูคนต่างชาติปล่อยผ่านแต่หูคนไทยจับได้
• เก็บไฟล์เสียงไว้ หนึ่งไฟล์ต่อบรรทัดต่อเสียงคือโฟลเดอร์เล็ก ๆ และการตัดสินใจบนไฟล์เหล่านั้นทบทวนใหม่ได้เมื่อสคริปต์หรือเสียงเปลี่ยน

ภาษาไทยเขียนเว้นวรรคระหว่างวลีและไม่มีเครื่องหมายระหว่างประโยค ผู้พูดหายใจที่วรรค หยุดสั้นกว่านั้นที่จุลภาค และอ่านรวดเดียวผ่านวลีที่ไม่มีวรรค บรรทัดที่ 3 และ 9 มีวรรคบรรทัดละหนึ่งแห่ง และการอ่านควรหยุดตรงนั้นและไม่หยุดที่อื่น

การอ่านที่หยุดกลางวลีคือการตัดคำครึ่งหนึ่งหรือเดาขอบเขตคำผิด การอ่านที่วิ่งผ่านวรรคไปคือการทำโครงสร้างวลีหาย และประโยคยาวที่อ่านแบบนั้นฟังเหมือนเครื่องจักรแม้ทุกพยางค์จะถูก ให้คะแนนเรื่องนี้ในบรรทัดที่เกิด และจดแยกไว้ เพราะวิธีแก้ต่างจากวิธีแก้วรรณยุกต์ผิด

ความเร็วคือสิ่งสุดท้ายที่ต้องตัดสิน ข่าวภาษาไทยอ่านเร็ว นิทานก่อนนอนอ่านช้า และเสียงที่คัดมาสำหรับงานหนึ่งจะผิดจังหวะสำหรับอีกงาน ตัดสินจังหวะเทียบกับงานที่เสียงนั้นต้องทำ และใช้ speed ในคำขอปรับหลังจากเสียงผ่านการทดสอบแล้ว

คะแนนเต็มคือ 20 ต่อเสียง เสียงที่ได้ 18 ขึ้นไปอ่านภาษาไทยแบบที่คนไทยอ่านในบรรทัดที่สำคัญ และคะแนนที่หายไปมักเป็นตัวเลขหรือคำยืมที่แก้ได้ที่สคริปต์ เสียงที่ได้ 14 ถึง 17 ใช้ได้กับพื้นผิวที่เขียนข้อความให้เสียงนั้นโดยเฉพาะ และบรรทัดที่เสียไปบอกว่าผู้เขียนต้องเลี่ยงอะไร ต่ำกว่า 14 ปัญหาอยู่ที่เสียง และสคริปต์ที่ดีกว่าก็ช่วยไม่ได้

มีหนึ่งบรรทัดที่สำคัญกว่าคะแนนรวม ศูนย์ในบรรทัดที่ 1 หมายความว่าเสียงนั้นรักษาวรรณยุกต์ไม่ได้ และบรรทัดอื่นที่ผ่านคือผ่านด้วยโชค ตัดเสียงนั้นออกไม่ว่าใบคะแนนที่เหลือจะว่าอย่างไร

บรรทัดที่ 10 กลับด้านสำหรับเสียงที่เป็นภาษาอังกฤษเป็นหลัก เสียงกลุ่มนี้ 4 เสียงอ่านประโยคภาษาอังกฤษทั้งประโยคโดยไม่มีสำเนียงไทย และอ่านภาษาไทยด้วยสำเนียงต่างชาติ บรรทัดภาษาไทยด้านบนจึงให้คะแนนต่ำโดยตั้งใจ ให้ทดสอบเสียงกลุ่มนี้ด้วยประโยคภาษาอังกฤษรูปแบบเดียวกัน และให้คะแนนบรรทัดที่ 10 จากว่าภาษาไทยรอบคำอังกฤษยังฟังรู้เรื่องหรือไม่ หน้าเสียงภาษาอังกฤษแจกแจงเสียงกลุ่มนี้และงานที่แต่ละเสียงถูกคัดมา

เสียงสำเนียงถิ่น 4 เสียงอ่านสคริปต์เดียวกันในระบบเสียงของตัวเอง ภาษาไทยถิ่นแต่ละถิ่นมีระบบวรรณยุกต์ของตัวเอง และคนพูดภาษาไทยกลางที่ให้คะแนนบรรทัดที่ 1 กับเสียงถิ่นกำลังตัดสินด้วยระบบที่ผิด ให้คนจากถิ่นนั้นให้คะแนนบรรทัดที่ 1 2 และ 9 และอ่านหน้าสำเนียงถิ่นว่าระดับภาษาเปลี่ยนอะไรบ้าง

• วางทีละบรรทัดในกล่องบนหน้า text to speech กล่องนี้อ่านได้ 6 จาก 26 เสียงโดยไม่ต้องมีบัญชี บรรทัดละไม่กี่วินาที
• เปิดเครื่องมือเสียงพูดสำหรับสคริปต์เต็มในรอบเดียว เสียงใดก็ได้ และดาวน์โหลดไฟล์เสียงได้ บัญชีใหม่เริ่มด้วยเครดิตฟรี 100 เครดิต ซึ่งครอบคลุมสคริปต์สิบบรรทัดทั้งชุดได้ราว 20 รอบ
• เรียก POST /v1/tts ด้วยสิบบรรทัดเดียวกันเมื่อการทดสอบเป็นส่วนหนึ่งของระบบ และเก็บไฟล์ไว้ในระบบควบคุมเวอร์ชันคู่กับสคริปต์
• อ่านหน้าของแต่ละเสียงในหน้ารวมเสียงก่อนเลือก บทบาทในแค็ตตาล็อกบอกว่าเสียงนั้นถูกคัดมาเพื่ออะไร และเสียงที่ผิดจังหวะกับงานจะตกการทดสอบที่ไม่มีบรรทัดไหนด้านบนจับได้

• อ่านคู่มือเลือกเสียงเพื่อคัดเสียงสองสามเสียงที่คุ้มจะทดสอบสำหรับงานนั้น
• อ่านคู่มือเขียนสคริปต์เพื่อแก้บรรทัดที่เสียงเสียคะแนนเรื่องตัวเลข ภาษาอังกฤษ และคำลงท้าย
• อ่านเอกสารอ้างอิง voicesสำหรับรหัสเสียงและฟิลด์ที่แค็ตตาล็อกส่งกลับ