SwiftUI: Text-To-Speech And Beyond
Zusammenfassung
Kurz
Der Bericht erklärt, wie sich mit SwiftUI und `AVSpeechSynthesizer` Text oder SSML sprechen, Stimmen verwalten und die Wiedergabe steuern lässt. Ein erweitertes Beispiel verarbeitet und speichert Audiopuffer mit Effekten; dabei sind laut Autor Delegate-Zeitangaben unzuverlässig, und ein Marker-Callback funktionierte in seinem Versuch nicht.
Mittel
Der Bericht beschreibt ein SwiftUI-Tutorial zur Sprachausgabe mit `AVSpeechSynthesizer`. Für einfache Texte zeigt der Autor, wie Stimme, Tempo, Tonhöhe, Lautstärke und Pausen eingestellt werden. SSML ermöglicht unterschiedliche Sprechweisen innerhalb einer Äußerung; die üblichen Prosodie-Einstellungen der Äußerung gelten dabei laut Bericht nicht. Außerdem behandelt das Tutorial Pausieren, Fortsetzen und Abbrechen, die Auswahl verfügbarer Stimmen, persönliche Stimmen mit erforderlicher Berechtigung sowie Delegate-Meldungen zum Sprechstatus und zum gerade gesprochenen Textbereich.
Für weitergehende Verarbeitung lässt sich die Sprache mit `write` als PCM-Puffer erzeugen. Das Beispiel spielt diese Puffer über eine Audio-Engine ab, fügt Verzögerung und Hall hinzu und speichert Aufnahmen vor und nach der Verarbeitung. Der Autor weist darauf hin, dass Delegate-Zeitangaben bei dieser Methode nicht dem tatsächlichen Abspielen entsprechen können: `didFinish` kann früh eintreten, und der Marker-Callback wurde in seinem Versuch nicht aufgerufen. Auch die Audioformate müssen passend gewählt werden. Persönliche Stimmen beschreibt er als Funktion echter Geräte, die Einrichtung und Nutzerfreigabe voraussetzt.
Ausführlich lesen
Der Bericht ist ein SwiftUI-Tutorial zur Sprachausgabe mit Apples `AVSpeechSynthesizer`. Der Autor führt zunächst die einfache Umwandlung von Text in Sprache vor: Eine Audio-Sitzung wird eingerichtet, ein Synthesizer und eine Äußerung (`AVSpeechUtterance`) angelegt und die Äußerung gestartet oder in die Warteschlange gestellt. Für normalen Text lassen sich unter anderem Stimme, Sprechtempo, Tonhöhe, Lautstärke und Pausen vor oder nach einer Äußerung einstellen. Der Artikel betont, dass diese Werte vor dem Einreihen gesetzt werden müssen, der Synthesizer selbst dauerhaft gehalten werden muss und dieselbe Äußerung nicht mehrfach eingereiht werden darf. Für abweichende Sprechweisen innerhalb eines Textes stellt der Autor SSML vor. Damit können etwa einzelne Abschnitte anders betont oder durch Pausen getrennt werden. Die üblichen Prosodie-Eigenschaften der Äußerung gelten laut Bericht nicht für SSML; eine darin angegebene Stimme ist zudem nicht garantiert verfügbar.
Weitere Abschnitte behandeln die Steuerung laufender Sprache durch Pausieren, Fortsetzen und Abbrechen sowie das Abrufen verfügbarer Stimmen. Änderungen an der Stimmenliste lassen sich über eine Benachrichtigung verfolgen. Für persönliche Stimmen muss die App eine Berechtigung anfordern; die Funktion ist dem Bericht zufolge nur auf echten Geräten verfügbar und setzt eine zuvor eingerichtete persönliche Stimme sowie die Freigabe in den Bedienungshilfen-Einstellungen voraus. Ein Synthesizer-Delegate kann Start, Pause, Fortsetzung und Ende melden und Textbereiche für eine Hervorhebung während des Sprechens liefern.
Der Schwerpunkt des erweiterten Beispiels ist das Abgreifen und Verarbeiten erzeugter Audiopuffer. Über `write` erhält die App PCM-Puffer, die nicht automatisch abgespielt werden. Der Autor führt sie deshalb einem eigenen Audioplayer mit Audio-Engine zu, ergänzt Verzögerung und Hall und zeigt die Aufnahme vor und nach der Verarbeitung in Dateien. Eine SwiftUI-Demonstration bündelt Texteingabe, Stimmen- und Sprechoptionen, Wiedergabesteuerung, Pegelanzeige und Dateifreigabe.
Der Bericht nennt dabei wichtige Einschränkungen: Beim Erzeugen von Puffern über `write` spiegeln Delegate-Aufrufe den tatsächlichen Wiedergabezeitpunkt nicht zuverlässig wider; insbesondere kann `didFinish` schon vor dem Ende der eigenen Wiedergabe eintreten. Der Autor berichtet außerdem, dass der Marker-Callback in seinem Beispiel nicht aufgerufen wurde und er dafür keine Lösung gefunden hat. Für die Audio-Verbindungen und Aufnahmen müssen die jeweiligen Puffer- beziehungsweise Mixerformate verwendet werden, da ungeeignete Formate laut Autor zu Fehlern oder Abstürzen führen können. Abschließend erwähnt er, dass Sprache für einen aktiven Telefonanruf laut Bericht auch direkt über `mixToTelephonyUplink` weitergeleitet werden kann.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Luna lieferte zwei Zusammenfassungen (kurz und mittel). Geprüft wurde die mittlere, da sie vollständiger ist; die kurze ist ebenfalls treu, aber knapper. Die Einordnung enthält keine Teilfragen, daher wurde nur SF-T1 bewertet.
Im Bericht, aber nicht in der Zusammenfassung
- Der Bericht beschreibt, dass sich Änderungen an den verfügbaren Stimmen per Benachrichtigung überwachen lassen, etwa wenn neue persönliche oder Drittanbieter-Stimmen erscheinen.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 21 %einzelne zitierbare Belege
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht