I forhold til den formantbaseret talesyntese, er den difon baseret talesyntese bygget op på en helt anden måde.
Den difon baseret talesyntese er nemlig baseret på små lyddele, som er klippet ud af naturlig tale.
Det er de små lyddele, der kaldes for difoner. En difon kan f.eks. være et ord som ikke findes, men som er nemt at udtale, F.eks. dadida, dadidu, dadide eller dadido.
Når man har indlæst alle disse mærkelige sætninger, splitter man lydfilen op, således at man har hvert enkelt ord for sig.
Så lægger man alle ordene ind i en difondatabase, som talesyntesen skal bruge for at sige ordet.
For overhovedet at kunne lave en difon baseret talesyntese, skal man som sagt først have et rigtigt menneske til at læse små lyddele ind.
Det kan f.eks. være bogstaver, tal, små trykstavelser osv.
For det menneske der skal indlæse alle disse ord og stavelser kan det godt være hårdt.
Personen må ikke blive forkølet, personen må ikke blive syg, eller på anden måde få forstyrrelser på stemmen.
Det tager derfor lang tid at indlæse f.eks. 100000 danske ord og trykstavelser ind.
Når man så har gjort det, skal man så til at programmere, og få talen til at sætte ordene rigtigt sammen.
Det tager også lang tid, for man skal sætte en masse regler op for, hvordan og hvornår et ord skal udtales korrekt.
Noget af det, der er meget besværligt, især ved dansk talesyntese er, at på dansk kan ord der staves ens godt betyde flere ting, og skal udtales på flere forskellig måder, alt efter i hvilken en sammenhæng ordet kommer i.
F.eks. har den difon baseret talesyntese svært ved at udtale ordet filer. Den siger fileer. Så må man lave nogle regler der gør, at talesyntesen istedet siger fi lar, sådan at trykket lægges rigtigt.
Det at den difon baseret talesyntese er lavet på basis af en menneskelig stemme betyder, at den person der indlæser de små lyddele skal kunne perfekt dansk.
Havde man resurserne til det, kunne man lave en talesyntese for hver landsdel af Danmark, der taler med den pågældende dialekt i den enkelte landsdel.
Men for det første ville det være for dyrt, og for det andet ville det være for besværligt at skulle købe forskellige udgaver af en talesyntese, alt efter hvor hænde i landet man skulle bruge talesyntesen.
Den difon baseret talesyntese gør næsten det samme, som den formantbaseret talesyntese gør, når den skal finde ud af, hvordan et ord skal udtales.
Det der er forskellen er, at lige før den difon baseret talesyntese skal til at sende ordet ud til lydkortet i computeren, slår den op i sin difondatabase, og finder ud af hvordan ordet skal udtales.
Man skulle tro, at den difon baseret talesyntese også kan udtale alle former for ord, også selvom de skulle være stavet forkert, det kan den også, dog med få undtagelser.
Skulle den difon baseret talesyntese komme ud for en sådan undtagelse, må den stave ordet.
Hvis den difon baseret talesyntese f.eks. skal sige ordet hnud, ja så må den stave ordet.
Dette ord er så svært at sige, så det ikke kan skrives på skrift.
Talesyntesen kan heller ikke sige netop dette ord, derfor må den stave ordet, således at den siger h n u d.
Webmasteren håber, at du forstod lidt af, hvordan den Difon baseret talesyntese virker.
Hvis du som læser har yderligere spørgsmål, er du velkommen til at kontakte mig, se de pågældende links på forsiden.
