hallo in die runde!

für ein laufendes project, das wir noch etwas "aufpeppen" möchten....

wer hat kenntnisse im programmieren von text-to-speech mit speech-commandos um

eine liste, die über text abgelegt wurde, mittels stimme aufzurufen?

wir benötigen dafür die sw-/hw auf entsprechend engem raum.

wer hätte eine COTS-lösung - bzw entwicklungszeit aufwand?

mfg

ingo fuhrmeister

um eine liste, die über text abgelegt wurde, mittels stimme aufzurufen?

Hmm, also ohne jetzt konkret was beitragen zu können, aber: Ist "Text to Speech" wirklich das, was Du suchst? Für mich klingt das eher nach Voice Recognition!?

Hmm, der Beschreibung nach will er Texte hinterlegen, die dann maschinell gesprochen werden.

@ingo muss das dynamisch generiert werden oder reichen auch ein paar vordefinierte Brocken?

https://www.berrybase.de/adafruit-audio-fx-mini-sound-board-wav-ogg-trigger-2mb-flash?gad_source=1&gad_campaignid=2274332340

Wenn auf deiner Hardware Linux läuft:
Mozilla TTS

https://github.com/mozilla/TTS

Oder das hier, wenn's µC sein muss: https://www.polaxis.be/using-nexus-vox-with-your-prefered-microcontroller/

Wobei das Mozilla Teil wesentlich(!) besser klingt. Der Polaxis Chip ist IMHO überteuert.

vielen dank für eure antworten...ich habe grad eine interessante anwendung vorzubereiten...in kurzform soll folgendes passieren:

der anwender (A) startet mit seiner aufforderung: LIST

1. in den ycontroller (yC) werden vorher texte geschrieben: zb

1. heute ist ein schöner tag für PuF

(A) sagt: GO ----> ycontroller springt in die nächste textzeile und liest vor:

(yC) sagt: computer einschalten

(A) sagt: GO------> ycontroller springt in die nächste textzeile und liest vor:

(yC) sagt: öffnen sie den browser

(A) sagt: GO------

ist die textsammlung zu ende....kommt vom yC die nachricht:

(yC) sagt: Liste fertig

da die gesamte liste aus mehreren kapiteln besteht - müßte noch ein "NEXT"-commando gesprochen

werden, um zum nächsten kapitel zu springen....

wer könnte mir dabei helfen?

es winken ruhm und ehre.....

mfg

ingo fuhrmeister

Also Sprachausgabe und Spracherkennung.

@Tobias: Dann zahlt jeder sein Bier selbst?

@Tobias: Dann zahlt jeder sein Bier selbst?

Nein, wir trinken jeder zwei.

Hast du Chat GBT ?

Ich habe da mal was eingegeben, da kommt auch was raus, was dann aber meine ZEIT und meine TECHNISCHE Neugier und Können überschreitet...

Schau dir mal https://github.com/ggml-org/whisper.cpp an. Alternativ https://www.pyannote.ai/ .

ja - vielen dank....

gibt es denn einen ycontroller - mit dem ich das auf einem eval-board aufbauen könnte?

ich weis nicht, wonach ich suchen soll....

Ich glaube, man könnte es grundsätzlich mit EmBox hinbekommen (https://github.com/embox/embox). Noch tiefer runter wird schwierig sein, aber dazu muss sich jemand äußern, der sich damit auskennt. Am einfachsten wäre es mit eine Raspberry Pi o. Ä.

hallo yuri...wo finde ich denn da den eval kit mit beschreibung?

Wie bereits gesagt, bin ich aktuell die falsche Adresse für „echte” Mikrocontroller. Sollte für deine Zwecke eine RPi (ein ganz normaler Linux-Computer mit ARM-Prozessor) reichen, kommt für dich vielleicht so etwas in Frage:

https://www.raspberrypi.com/products/compute-module-5/?variant=cm5-104032

Servus Ingo,

eine schon weitgehend integrierte Lösung wäre das hier:

https://www.digikey.de/de/htmldatasheets/production/1317098/0/0/1/isd3900

Aus der ISD-Reihe gibt es noch einige andere Bauteile, die ähnlich sind (ISD1820, ISD700). Ich habe schon einige Versuche mit dem ISD1820 gemacht, also Sprachtext aufgesprochen, dessen Ausgabe durch ein Diskretsignal getriggert werden kann. Mit einem zusätzlichen kleinen Audioverstärker (z.B. LM386) kann man ein Intercom befüttern ....

Nun, bei TTS sehe ich weniger das Problem, aber wie sieht es mit STT aus? Meiner Meinung nach geht, wenn es gut und allgemein sein muss, nur RPi + Whisper.

Ich habe ein bisschen gegoogelt und scheinbar kriegt man, wenn man sich richtig anstrengt, irgendetwas extrem abgespecktes auf STM32 zum Laufen, aber das ist kein COTS. Wenn es noch einfacher sein darf (nur einige Wörter), hat TI scheinbar eine MSP-basierte COTS-Lösung:

https://www.ti.com/document-viewer/lit/html/SSZTAN9

Stimmt, Spracherkennung ist ein viel dickeres Brett als Spracherzeugung. Danke für den TI-Tip ....

Noch eine Alternative, die nicht wirklich ernst zu nehmen ist, aber mit dem MSP432 schon nicht unvergleichbar ist. Als ich „vape” gelesen habe, habe ich sofort an OP gedacht :)

https://bogdanthegeek.github.io/blog/projects/vapeserver/

Hmmm .... Allgemeine Spracherkennung ist richtig schwierig, und es stellt sich immer die Frage der Zuverlässigkeit der Erkennung - im Luftfahrtbereich ist das schon wichtig. ich habe jetzt jedenfalls den Auftrag für die Entwicklung einer über CANaerospace-Nachrichten getriggerten Audio-Sprachausgabe erhalten und werde zu gegebener Zeit berichten.

Schalte doch pn frei...

Ach so .... Hab ich jetzt gemacht.

Aber für TTS wurden doch oben ein paar gute Vorschläge (Mozilla, Polaxis) gepostet, oder?

Ja, das stimmt. Allerdings glaube ich, daß man noch viel Arbeit reinstecken muß, bis das zu einem guten Luftfahrtprodukt wird. Vielleicht beschäftigt sich ja einer der Mitlesenden damit ....