Hvad en menneskelig stemme stadig gør bedre
En dygtig oplæser træffer valg, som en syntetisk stemme ikke gør. Vedkommende ved, hvilket ord der bærer meningen i en sætning, hvornår tempoet skal sættes ned ved et vanskeligt navn, og hvor lang pausen før næste tanke skal være. Gennem en hel guide får de valg oplæsningen til at lyde gennemtænkt frem for genereret.
Den menneskelige stemme betyder mest, når indholdet har følelsesmæssig vægt. Mindetekster, personlige vidnesbyrd, vanskelig historie og stof, der vedrører et levende lokalsamfund, kan med syntetisk oplæsning lyde ligegyldigt netop dér, hvor det ikke må ske.
Det betyder også noget, hvem der fortæller. Når en kurator, lokalhistoriker eller person fra lokalsamfundet lægger stemme til guiden, er stemmen en del af formidlingen. Det kan en syntetisk stemme ikke efterligne.
Hvor syntetisk oplæsning giver mening
Økonomien ændrer sig markant, når guiden får flere sprog. En oplæser med hvert af otte sprog som modersmål betyder otte bookinger, otte optagelser i studiet, otte gennemgange og otte tidsplaner, der skal koordineres. Med syntetisk oplæsning bliver det til ét trin, hvor lydfilerne genereres.
Prisen på senere rettelser er lige så vigtig som prisen ved lanceringen. Museer ændrer etiketter, retter fakta og udskifter udstillinger. Hvis én sætning skal rettes i en menneskelig indtaling, må den oprindelige oplæser måske bookes igen, så stemmen passer til resten. Er vedkommende ikke tilgængelig, kan rettelsen måske slet ikke laves. Med syntetisk oplæsning kan en rettet linje genereres på få minutter.
Den forskel afgør ofte valget for særudstillinger, indhold der forventes at ændre sig, og sprog, hvor museet ikke realistisk kan betale for en studieoptagelse.
Otte sprog kræver otte bookinger med menneskelige oplæsere, men ét trin med syntetisk oplæsning
Rettelser kræver ikke, at den oprindelige oplæser kan bookes igen
Gør sprog mulige, som et lille museum ellers ikke har råd til
Særudstillinger kan åbne og ændres uden tid i studiet
Den kombination, mange museer vælger
I praksis er valget sjældent enten det ene eller det andet. En almindelig løsning er en menneskelig stemme på det sprog, flest gæster bruger, og hvor museets egen stemme betyder mest. Syntetiske stemmer bruges til de oversatte versioner, som gør guiden tilgængelig for de øvrige gæster.
Så bruges budgettet dér, hvor flest lytter, uden at prisen betyder, at gæster med andre sprog slet ikke får en guide. Det afspejler også en ubehagelig realitet: Det realistiske alternativ til en syntetisk indtalt oversættelse er ofte ikke en menneskeligt indtalt oversættelse, men ingen oversættelse.
Samme valg kan træffes inden for én guide. Særligt vigtige stop og mundtlige beretninger kan indtales af mennesker, mens enkel vejvisning og introduktioner til rum kan bruge syntetiske stemmer.
Sådan får I syntetisk oplæsning til at fungere
Syntetiske stemmer laver forudsigelige fejl, og de fleste kan rettes i manuskriptet frem for i indstillingerne. Stednavne, personnavne og fagudtryk er typiske problemer. Det gælder især Māori-navne og andre navne fra oprindelige folks sprog, som generiske stemmer ofte udtaler forkert.
Lav en udtaleliste samtidig med manuskriptet. Hvert vigtigt navn skal kontrolleres i den færdige lyd, før guiden udgives, ikke først når en gæst påpeger fejlen. Er navnet kulturelt betydningsfuldt, er en forkert udtale en reel fejl, ikke blot en skønhedsfejl. Hvis den syntetiske udtale ikke kan rettes, kan netop de linjer indtales af et menneske.
Tegnsætning betyder også mere, end mange tror. Kommaer og punktummer styrer tempoet, og en lang sætning, der deles i to, kan ofte rette et problem med oplæsningen hurtigere end en ændring i stemmens indstillinger.
Lav en udtaleliste for navne, steder og fagudtryk
Lyt til udtalen af hvert navn i den færdige lyd før lanceringen
Brug tegnsætning til at styre tempoet, før I ændrer stemmeindstillingerne
Overvej menneskelig indtaling af kulturelt betydningsfulde navne
Optag kildelyden ordentligt, uanset hvad I vælger
Gæster vurderer lydkvaliteten hurtigt, ofte uden at tænke over det. De kan måske ikke udpege rumklang eller grundstøj, men de hører, når guiden virker amatøragtig, og slukker den.
Hvis I optager en menneskelig stemme, betyder et lydbehandlet rum mere end en dyr mikrofon. Bløde møbler, et lille lokale og ens afstand til mikrofonen giver et bedre resultat end en god mikrofon i et lokale med hårde vægge. Optag om muligt alt på én gang, for rum og stemmer lyder ikke helt ens fra dag til dag.
Gem de ubehandlede originalfiler. Formater og platforme ændrer sig. Et museum, der har gemt sine masterfiler, kan eksportere guiden igen flere år senere uden at optage den forfra.
Ofte stillede spørgsmål
Er AI-oplæsning god nok til en museumslydguide?
Ja, til det meste oplysende indhold. For mange mindre museer er det nu den eneste realistiske måde at tilbyde flere sprog på. Den fungerer dårligere til følelsesmæssigt indhold og til navne, hvor udtalen ikke er blevet tilpasset.
Hvad koster en oplæser til en lydguide?
Prisen varierer meget efter marked, erfaring og brugsrettigheder. Det vigtige tal er den samlede pris for alle sprog og fremtidige rettelser, ikke prisen for én optagelse. Bed om et tilbud, der også dækker revisioner.
Kan vi bruge både menneskelige og AI-stemmer i samme guide?
Ja, det gør mange museer. En almindelig løsning er en menneskelig stemme på hovedsproget og syntetisk oplæsning af de oversatte versioner.
Hvilket lydformat bør den færdige guide bruge?
Giv gæsterne komprimerede lydfiler, som indlæses hurtigere via mobildata, men gem ukomprimerede masterfiler. Så kan guiden eksporteres igen senere uden at blive optaget på ny.

