Modelos de combinação de serviços Text-To-Speech com locução convencional para a oralização de notícias

• Autor(a) principal: Afonso, Marcelo Carvalho
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/39549
• topic: Jornalismo; Multimédia; Som; Automatismo; Digital; Audiovisual; Notícias; Áudio; Locução; Podcast; Plataformas; TTS; Oralização; Locução

O aumento do consumo digital tem sido, em muitos casos, penalizador para as empresas de media, levando à redução de receita e à necessidade de reinvenção dos modelos de negócio. As empresas procuram reinventar-se com soluções que permitam presenças digitais relevantes sem elevar os custos de produção. A revolução digital veio introduzir novos formatos de consumo, alguns dos quais, a indústria de informação poderá tirar partido durante o seu processo de digitalização. Neste contexto, os podcasts noticiosos são já uma realidade. Embora a sua existência seja relativamente curta no que à cronologia do jornalismo diz respeito, o aumento no consumo deste formato tornam-no num alvo apetecível para incorporar no jornalismo. Embora os custos de produção deste formato sejam relativamente baixos, são necessárias ferramentas e conhecimentos de edição sonora que poderão ser limitantes para algumas redações. Esta dissertação centra-se, essencialmente, na premissa de facilitar a criação deste formato, tendo em mente a redução de custos e a redução dos conhecimentos necessários para a sua implementação. Para isso, propõe-se o recurso à tecnologia de texto-para-Voz, comumente reconhecida como TTS (do Inglês Text-to-Speech) como uma proposta para a oralização dos textos jornalísticos. Em primeiro lugar procurou-se aferir qual o serviço e vozes em português de Portugal mais ajustados para este fim. Os testes realizados utilizaram serviços TTS da Amazon Polly e Google Cloud Speech, com os serviços da Google Cloud Speech Wavenet a obterem resultados superiores aos seus pares da Amazon.Seguidamente, procurou-se compreender como e em que relação combinar vozes TTS com voz humana para podcasts. O modelo de voz humana e voz híbrida obteve melhores resultados face a um modelo de podcast exclusivo com voz sintetizada. Os resultados evidenciam também uma aceitação da tecnologia Text-to-Speech no uso de podcasts noticiosos, mas também a necessidade de evolução da tecnologia na ótica de convergência com o discurso humano.