Jagten på en rigtig dansk stemme
Fra robotagtig oplæsning til ElevenLabs og stemmen Mia – og alt det, der gik galt på vejen.
Oplæsning er hjertet i Ord&Tal. Et barn, der ikke kan læse, er helt afhængigt af stemmen. Det var også den del, der gav flest hovedbrud.
Første forsøg (28. juli)
Den første version brugte AI-genererede lydfiler til ord og ros. Samme dag blev stemmen udvidet til 163 lydfiler, og der kom en stemmetest i admin. Det virkede, men dansk er svært for de fleste stemmemodeller: bløde d'er, stød og korte ord som "is" og "ø" blev ofte udtalt forkert eller mærkeligt.
Skiftet til ElevenLabs (12. september)
Den 12. september skiftede vi til ElevenLabs med den danske stemme Mia. Det var ikke gnidningsfrit. Samme dag løb vi ind i:
- en afvist forbindelse (fejlkode 401), før nøglen var sat rigtigt op,
- en kø af lydbestillinger, der skulle have en reserve, når en bestilling fejlede,
- lyd, der blev gemt anderledes end den lød i forhåndsvisningen,
- tal, der blev læst op med forskellig stemme alt efter hvor i spillet, man var.
Alt det blev rettet samme dag, og samtidig fik alle 29 danske bogstaver deres egen lydskrift, så stemmen siger "B" og ikke "bi".
Hvad vi lærte
En AI-stemme lyder imponerende i en demo. Men i et børnespil skal den lyde ens hver gang, starte med det samme og aldrig sige noget forkert. Det krævede en helt anden tilgang: at lave lyden på forhånd. Det kan du læse om i Hvorfor lyden laves på forhånd.