PlainTalk

PlainTalk ist der Sammelbegriff für verschiedene Sprachsynthese- ( MacinTalk ) und Spracherkennungstechnologien , die von Apple Inc. entwickelt wurden . 1990 investierte Apple in Spracherkennungstechnologie und stellte zahlreiche Forscher auf diesem Gebiet ein. Das Ergebnis war „PlainTalk“, das ab 1993 mit den AV-Modellen der Macintosh-Quadra- Serie eingeführt wurde. Mit System 7.1.2 wurde es zu einer Standardsystemkomponente und ist seitdem auf allen PowerPC- , Intel- , Apple-Silicon- und einigen 68k- Macintosh-Computern verfügbar.

Apples Text-to-Speech-Funktion verwendet Diphone . Im Vergleich zu anderen Sprachsyntheseverfahren ist sie ressourcenschonend, schränkt aber die Natürlichkeit der Sprachausgabe ein . Versionen für amerikanisches Englisch und Spanisch waren verfügbar, doch seit Mac OS X liefert Apple nur noch amerikanische englische Stimmen aus und greift für andere Sprachen auf Drittanbieter wie die Acapela Group zurück (in OS X 10.7 lizenzierte Apple zahlreiche Drittanbieterstimmen und stellte sie in der Sprachsteuerung zum Download bereit).

Eine Programmierschnittstelle namens Speech Manager ermöglicht es Drittanbietern, Sprachsynthese in ihre Anwendungen zu integrieren. Verschiedene Steuersequenzen stehen zur Verfügung, um Intonation und Rhythmus präzise anzupassen. Auch Lautstärke , Tonhöhe und Sprechgeschwindigkeit lassen sich konfigurieren, sodass beispielsweise Gesang möglich ist.

Die Eingabe in den Synthesizer kann explizit über ein spezielles Phonemalphabet gesteuert werden .

Die erste Text-to-Speech-Engine für Macintosh, MacinTalk (benannt von Denise Chandler), wurde 1984 von Apple bei der Vorstellung des Macintosh eingesetzt , mit der sich der Computer der Welt präsentierte (und gleichzeitig das Gewicht eines IBM-Computers auf die Schippe nahm). Obwohl sie in das Betriebssystem des Macintosh integriert war, wurde sie von Apple nicht offiziell unterstützt (Programmierinformationen waren jedoch in einer Apple Technical Note ^{[ 1 ] [ 2 ]} verfügbar ). MacinTalk wurde von Joseph Katz und Mark Barton entwickelt, die später SoftVoice, Inc. gründeten. SoftVoice, Inc. vertreibt heute TTS-Engines für Windows, Linux und Embedded-Plattformen. MacinTalk nutzte direkten Zugriff auf die originale Macintosh-Soundhardware, und alle Versuche von Apple, den Quellcode für neuere Macs zu lizenzieren, scheiterten. ^{[ 3 ] [ 4 ]}

Schließlich veröffentlichte Apple ein unterstütztes Sprachausgabesystem namens MacinTalk 2. Es ist mit allen Macintosh-Computern kompatibel, auf denen Systemsoftware 6.0.7 oder höher läuft. Auch nach der Veröffentlichung von MacinTalk 3 und Pro blieb es die empfohlene Version für leistungsschwächere Rechner.

MacinTalk 3 führte eine große Vielfalt an Stimmen ein. Neben den Standardstimmen für Erwachsene „Ralph“, „Fred“ und „Kathy“ sowie Kinderstimmen wie „Prinzessin“ (in macOS Ventura in „Superstar“ umbenannt ) und „Junior“ gab es diverse Spaßstimmen wie „Whisper“, „Zarvox“ (eine Roboterstimme mit melodischen Hintergrundgeräuschen, ähnlich wie „Trinoids“), „Cellos“ (eine Stimme, die ihren Text zu einer Melodie von Edvard Grieg , bekannt als „In der Halle des Bergkönigs“, sang, mit ähnlichen Stimmen wie „Good News“, „Bad News“ und „Pipe Organ“), „Albert“ (eine heisere Stimme), „Bells“, „Boing“, „Bubbles“ und andere.

Jede dieser Stimmen hatte ihren eigenen Beispieltext, der beim Klicken auf die Schaltfläche „Testen“ in der Sprachsteuerung abgespielt wurde. Manche nannten nur ihren Namen, die Sprache und die Version von MacinTalk, mit der sie eingeführt wurden. Andere sagten lustige Dinge wie „Ich bin echt gern in diesem schicken Computer“, „Ich habe einen Frosch im Hals … Nein, ich meine einen echten Frosch!“, „Wir müssen uns über diese morbide Stimme freuen“ (eine Parodie auf westliche Kirchenlieder mit Orgelmusik ) oder „Das Licht am Ende des Tunnels ist der Scheinwerfer eines schnell herannahenden Zuges“. Diese Stimmen sind auch heute noch in macOS enthalten. (Einige der Stimmennamen und ihre Testtexte wurden mit macOS Ventura geändert, und in macOS Sonoma wurden alle Testtexte in „Hallo, mein Name ist [Stimmenname]“ geändert. Seit macOS Tahoe werden die ursprünglichen, lustigen Testtexte jedoch wieder abgespielt, wenn man sich die Systemstimmen anhört.)

Dank der gesteigerten Rechenleistung der AV-Macs und PowerPC-basierten Macintoshes konnte Apple die Qualität der Klangsynthese verbessern. MacinTalk 3 benötigte einen 33- MHz -Prozessor vom Typ 68030 , MacinTalk Pro hingegen einen 68040 oder besser sowie mindestens 1 MB RAM . Jeder Synthesizer unterstützte unterschiedliche Stimmen.

Die Text-to-Speech-Funktion war in jeder Version von Mac OS X (später macOS) enthalten . Die Stimme Victoria wurde in Mac OS X v10.3 deutlich verbessert und als Vicki hinzugefügt (Victoria wurde nicht entfernt). Aufgrund der Verwendung hochwertigerer Diphon-Samples war ihre Dateigröße fast 20-mal größer.

Mit der Veröffentlichung von Mac OS X 10.5 Leopard wurde eine neue, deutlich natürlicher klingende Stimme namens „Alex“ in die Liste der Text-to-Speech-Funktionen für Mac aufgenommen . ^{[ 5 ]}

Mit Mac OS X 10.7 Lion stehen Stimmen in zusätzlichem US-Englisch und anderen englischen Akzenten sowie in 21 weiteren Sprachen zur Verfügung. ^{[ 6 ]}

Die Funktion „Ausgewählten Text bei Tastendruck vorlesen“ ermöglicht es, ausgewählten Text aus beliebigen Anwendungen per Tastenkombination vorlesen zu lassen. Von Mac OS X 10.1 bis Mac OS X 10.6 kopierte die Funktion den ausgewählten Text in die Zwischenablage und las ihn von dort vor. Von Mac OS X 10.7 bis Mac OS X 10.10 erforderte eine neue Implementierung der Funktion von Softwareentwicklern die Einbindung einer Sprachsynthese- API in ihre Anwendungen. ^{[ 7 ] [ 8 ]} Dadurch wurde das Überschreiben der Zwischenablage verhindert. Allerdings führte dies auch dazu, dass die Funktion bei Anwendungen, die die API nicht nutzten, nicht wie erwartet funktionierte und die Titelleiste anstelle des ausgewählten Textes vorlas. ^{[ 9 ] [ 10 ]}

In macOS Sierra 10.12 wurde Siri für den Mac eingeführt. Die Stimme war jedoch nicht als Systemstimme verfügbar, sodass die Siri-Stimmen nur in Siri selbst genutzt werden konnten. Mit macOS Catalina 10.15 wurde Siri als Systemstimme eingeführt, sodass sie nun für beliebige Texte funktioniert. Die Siri-Stimmen funktionieren nun völlig anders, und die saySprachsteuerung ist weiterhin nicht möglich.

Mit dem Update auf macOS Big Sur 11.3 wurden die Geschlechtsbezeichnungen aller Stimmen entfernt. Dies geschah zeitgleich mit der Änderung der Siri-Stimmen auf iOS 14.5 und macOS 11.3 und späteren Versionen, als Teil von Apples Bemühungen, die Geschlechterinklusion zu fördern.

Apple stellte 1990 zahlreiche Forscher im Bereich Spracherkennung ein. Nach etwa einem Jahr präsentierten sie eine Technologie mit dem Codenamen Casper. Diese wurde 1993 als Teil des PlainTalk-Pakets veröffentlicht. Obwohl sie für alle PowerPC Macintoshes und AV 68k-Rechner verfügbar war (sie war eine der wenigen Anwendungen, die den DSP im Centris 660AV und Quadra 840AV nutzten ), gehörte sie vor Mac OS X nicht zur Standardinstallation. Der Benutzer musste daher eine benutzerdefinierte Betriebssysteminstallation durchführen, um die Spracherkennung nutzen zu können.

In Mac OS X 10.7 Lion und früheren Versionen war Apples Spracherkennung ausschließlich auf Sprachbefehle ausgerichtet und nicht für Diktierfunktionen gedacht. Sie kann so konfiguriert werden, dass sie auf Befehle reagiert, wenn eine Tastenkombination gedrückt wird, nachdem ein Aktivierungswort wie „Computer“ oder „Macintosh“ eingegeben wurde, oder auch ohne Aufforderung. Ein grafischer Statusmonitor, oft in Form einer animierten Figur, liefert visuelles und textuelles Feedback zum Status der Spracherkennung sowie zu verfügbaren Befehlen und Aktionen. Die Sprachausgabe kann ebenfalls genutzt werden.

Frühe Versionen der Spracherkennung ermöglichten den vollen Zugriff auf die Menüs. Diese Unterstützung wurde später entfernt, da sie zu viele Ressourcen benötigte und die Erkennung unzuverlässiger machte. In Mac OS X 10.3 wurde sie jedoch als „universelle Zugriffstechnologie“ mit der Bezeichnung „gesprochene Benutzeroberfläche“ wieder eingeführt.

Der Benutzer kann Elemente in einem speziellen Ordner namens „Speakable Items“ öffnen, indem er einfach deren Namen ausspricht (während sich das System im Zuhörmodus befindet). Apple lieferte in diesem Ordner einige AppleScripts aus, aber auch Aliase , Dokumente und Ordner lassen sich auf dieselbe Weise öffnen.

Zusätzliche Funktionen werden von einzelnen Anwendungen bereitgestellt. Eine Programmierschnittstelle (API) ermöglicht es Programmen, ein verfügbares Vokabular zu definieren und zu ändern . Beispielsweise bietet der Finder ein Vokabular zur Bearbeitung von Dateien und Fenstern .

In OS X 10.8 Mountain Lion führte Apple die Diktierfunktion ^{[ 11 ]} für allgemeine Texte ein. Ursprünglich war dafür das Senden von Audiodaten an Apple-Server zur Verarbeitung erforderlich. In OS X 10.9 Mavericks fügte Apple die Option hinzu, die Diktierfunktion auch ohne Internetverbindung zu nutzen. Seit OS X 10.9.3 werden acht Sprachen (19 Dialekte) unterstützt.

Apple produzierte zwei Mikrofone unter dem Produktnamen „Apple PlainTalk Microphone“. Das erste, ein rundes Mikrofon, war im Lieferumfang des Macintosh LC und früher Performa-Modelle enthalten. Es wurde in einer Halterung an der Seite des CRT-Bildschirms befestigt und zum Sprechen herausgenommen und vor den Mund gehalten. Das zweite Modell wurde 1993 zusammen mit den AV-Modellen der Macintosh Quadra- Serie eingeführt, war aber auch separat erhältlich. Es wurde oberhalb des Bildschirms positioniert und nahm Geräusche von vorne auf. Beide Modelle besaßen einen längeren Stecker, dessen Spitze zur Versorgung des Mikrofons mit Vorspannung diente .

• Folklore.org: Der ursprüngliche Macintosh, über die Einführung des Macintosh
• API-Dokumentation:
  • Frameworks ab Version 10.14: Spracherkennung , Sprachsynthese (Teil von AVFoundation)
  • Cocoa API: NSSpeechSynthesizer und NSSpeechRecognizer
  • Carbon API (ApplicationServices): Sprachsynthese-Manager (das alte diphonbasierte System mit Tonhöhensteuerung, das von verwendet wurde say)
• Digitaler Künstler (Verschiedene) bei IMDb
• Technote TN 22 - MacinTalk - Das letzte Kapitel