Vor ein paar Jahren habe ich hier einen Text vorgestellt, der mit der Suchmaschine entstanden ist und von einer im Mac eingebauten Stimme vorgelesen oder -gesungen wird: drowned in sorrows, drowned in sounds. Beim Versuch, an dieser Stelle endlich mal ein bisschen weiterzumachen, tauchen Probleme auf.

Die systemeigenen Stimmen auf dem Mac können immer noch kein Deutsch. Man kann sich zwar deutsche Systemstimmen kaufen, die haben aber alle einen Haken, jedenfalls für meine Zwecke.

Speechissimo läuft erst gar nicht auf neuen Macs. (Ich habe zwar immer noch System 10.3.9, aber wenn ich mir den Spaß schon kaufe, soll er wenigstens auf dem nächsten Rechner auch noch laufen.)
iVox kostet 99 Euro pro Stimme für den privaten Gebrauch und darf vermutlich nicht aufgezeichnet und verbreitet werden etc.
Gleiches Manko bei Cepstral. Für privat kostet eine Stimme 30 USD. Die Audio Distribution License hat gestern oder wann das war noch knapp 200 USD gekostet (pro Stimme), was sie heute kostet, ist nicht mehr ausfindig zu machen.

Alle diese Stimmen, wenn ich das richtig verstanden habe, baut man bei den Systemstimmen ein, und dann liest diese eine Stimme, die man mal ausgewählt hat, die Texte vor — bis man eben in den Systemerweiterungen eine andere Stimme zum Vorlesen verdonnert. Ich suche aber, und jetzt kommt's!, eine Möglichkeit, einen Text von verschiedenen Stimmen vorlesen zu lassen, "mit verteilten Rollen" so to speak, und zwar auf Deutsch.

Vom W3C gibt es Empfehlungen für die Entwickler solcher Programme (z. B. Voice Browser), und was da drin steht, das kommt dem, was ich mir wünsche, ziemlich nahe. Mit einfachen Tags kann man die Stimme bestimmen, die Schnelligkeit, Pausen usw.

Die Online-Sprachausgabe von AT & T kann das zum Beispiel schon (mit welchen Tags steht hier: Can the synthesis be modified?).

Blöd ist, dass auch dieses Progrämmchen ein paar Fantastillionen kostet: audio wav file broadcast licenses start at $5500. Außerdem scheint mir das doch ein bißchen kanonenhaft für meine Spatzen.

Nochmal was ich will in Kürze:
- Ein Text-to-speech-Programm für Mac OS 10.3.9 und höher.
- Es soll mindestens zwei deutsche Stimmen können.
- Es soll mehrere Stimmen in einem Text können, soll also zum Beispiel mit Tags gesteuert werden können.
- Die Verbreitungs-Lizenz soll weniger kosten als meiner Oma ihr klein Häuschen.

Das ist ziemlich speziell, und ich erwarte nicht ernsthaft eine Antwort hier, aber trotzdem: Hat jemand einen Tipp? (Falls nicht, hab ich hier wenigstens einmal für mich den aktuellen Recherchestand festgehalten.)

Was geht mit sogenannten "Menschen"?

für so eine wissenschaftliche Sprachsynthese MBROLA
Ursprünglich wird da viel zu Fuss gebastelt, um z.B. für wissenschaftliche Untersuchungen neutrale Sprecher zu bekommen, die nicht unbewußt die Lösung verraten.
Mittlerweile gibts da wohl ne ganze Wissenschaftler-Szene herum mit haufenweise Tools, vielleicht geht da was.

Uh, huh. Das ist ein erstaunlich schwieriges Thema; kommerziell existieren sehr gute Angebote, aber die sind teuer.

Eine ziemlich umfangreiche (und ziemlich aktuelle) Zusammenfassung ist hier:

ttssamples.syntheticspeech.de

Wenn Du absurde Mengen Zeit verbraten kannst, dann kannst Du Dir Deine eigenen Stimme bauen:

festvox.org

Versuch's mal mit Mary. Kann dann als Bonus auch Tibetanisch.

Wenn's nicht geht sag Bescheid per mail.

ja, alter trick:
so selbstgebastelte lautschrift verwenden.