اگر بازی‌ساز هستید و به دنبال راه‌حل‌های جدیدی می‌گردید تا دنیای بازی‌ها را جذاب‌تر کنید و دسترسی‌پذیری آن‌ها را بیشتر کنید؛ استفاده از فناوری‌های تبدیل متن به صوت برای بازی می‌تواند یک ایده بکر و تازه باشد. هوش مصنوعی و فناوری TTS در بازی‌های وب باعث می‌شود که گیمرها حس غوطه‌وری بیشتری را در بازی تجربه کنند. در این مقاله همراه ما باشید تا با فرایند صداگذاری خودکار در بازی‌های وب به کمک هوش مصنوعی آشنا شوید.

TTS چیست؟

  مخفف کلمه Text-to-Speech  است که به معنای تبدیل متن به گفتار است. TTS در واقع یک فناوری هوش مصنوعی و پردازش گفتار است که به شما کمک می‌کند متن‌های نوشته شده را به صدایی طبیعی و قابل فهم تبدیل کنید. این سیستم از مدل‌های یادگیری عمیق (Deep Learning) استفاده می‌کند و به همین دلیل هم می‌تواند صدایی شبیه به یک انسان واقعی تولید کند.  

توسعه‌دهندگان می‌توانند API متن به گفتار را از طریق درخواست‌های HTTP در برنامه‌ها ادغام کنند تا فایل‌های صوتی را به‌صورت خودکار دریافت کنند. این فناوری در محصولات مختلف مانند دستیارهای صوتی و چت‌بات‌های هوشمند کاربرد دارد و یکی از خلاقانه‌ترین کاربردهای TTS در بازی‌های وب می‌تواند باشد.

بیشتر بخوانید: سرویس تبدیل متن به صوت چیست و چگونه کار می کند؟

کاربردهای TTS در بازی‌های وب

تا به حال شده به این موضوع فکر کرده باشید که برای کم‌بینایان و یا کسانی که دچار اختلال یادگیری خواندن هستند؛ بازی بسازید؟ مهم‌ترین کاربرد TTS API  برای بازی ‌ها این است که آن را برای اقشار مختلف دسترس‌پذیرتر می‌کند. به عبارت دیگر، با ادغام TTS در بازی‌های وب، توسعه‌دهندگان نه تنها استانداردهای صنعتی را رعایت می‌کنند؛ بلکه دامنه مخاطبان خود را نیز گسترش می‌دهند. در ادامه مقاله همراه ما باشید تا به کاربردهای دیگر فناوری تبدیل متن به صوت در بازی‌های وب بپردازیم:

• دیالوگ NPC ها: تصور کنید سال‌ها برای ساخت یک شهر بزرگ وقت گذاشته‌‌اید؛ اما در نهایت، گیمر هنگام بازی کردن متوجه می‌شود که هر 50 نگهبان بازی دقیقا یک جمله مشابه را با لحنی یکسان تکرار می‌کنند. فایده TTS در بازی این است که باعث می‌شود شخصیت‌های غیر قابل بازی (NPC) ها بتوانند با صدای طبیعی و با لحن‌های مختلف صحبت کنند تا گیمر تجربه‌ای واقعی‌تر و دل‌چسب‌تر از بازی داشته باشد.
•  ایجاد صداهای متنوع در بازی: شخصیت‌های مختلف بازی هر کدام می‌توانند با لحن و حتی لهجه خاص خود صحبت کنند؛ زیرا که فناوری TTS در بازی‌های وب اغلب از لحن و همچنین زبان‌های مختلف نیز پشتیبانی می‌کند.

•  افزایش دسترسی‌پذیری نوشته‌های بازی: صداگذاری خودکار در بازی‌های وب باعث می‌شود که منوها، لیست آیتم‌ها، توضیح ماموریت‌ها، نامه‌ها و دست‌نوشته‌های داخل بازی به صورت صوتی خوانده شوند و برای تمامی افراد قابل دسترس باشد.

•  کاهش هزینه و زمان تولید صدا: در نهایت TTS می‌تواند به توسعه‌دهندگان کمک کنند تا با هزینه کم و در مدت زمان کوتاهی محتوای صوتی مورد نظر خودشان را تولید کنند؛ بدون اینکه نیاز به استودیو یا گوینده داشته باشند.

بررسی بهترین سرویس‌های TTS برای بازی‌ها 

قبل از اینکه به دنبال بهترین ابزار تبدیل متن به صوت در بازی‌های وب باشید؛ باید بدانید که بهترین ابزار وجود ندارد! در واقع انتخاب ابزار مناسب تبدیل متن به گفتار برای پروژه‌های گیمینگ به نیازهای خاص هر پروژه بستگی دارد. در ادامه همراه ما باشید تا چند مورد از این ابزارها را به شما معرفی کنیم: 

بیشتر بخوانید: مقایسه و انتخاب بهترین API‌‌های متن به صوت

Respeecher تبدیلگر متن به صوت اخلاق‌‎مدار

این سرویس که از کیفیت مناسبی نیز برخوردار است و روی رعایت اصول اخلاقی تمرکز دارد؛ دو قابلیت کلیدی زیر را دارد:

• واسط برنامه‌نویسی TTS لحظه‌ای با تاخیر تقریبی ۲۰۰ میلی‌ثانیه که برای مکالمات پویای درون‌بازی مناسب است.
•  فناوری Speech-to-Speech که صدای انسانی ارائه می‌دهند؛ این فناوری صدای Miłogost Reczek را برای شخصیت Viktor Vektor در بازی Cyberpunk 2077: Phantom Liberty بازآفرینی کرد. 

TypeCast؛ صدها صداپیشه در یک ابزار!

TypeCast یک پلتفرم آنلاین تبدیل متن به صورت با بیش از 600 صداپیشه هوش مصنوعی است که امکانات زیر را فراهم می‌کند.

•  گزینش صداهای متنوع برای کاراکترهای مختلف
•  تنظیم لحن‌ها و احساسات مختلف
•   دریافت فایل صوتی در قالب MP3 و WAV برای وارد کردن به موتور بازی

Murf AI؛ راه‌حلی ساده و مطمئن برای صداگذاری

Murf AI، به عنوان ابزار TTS در بازی‌های وب، یک راه‌حل ساده و مطمئن است که بیش از 200 صدا به 33 زبان مختلف دارد.  این گزینه برای پروژه‌هایی که به سرعت عمل و صداهای متنوع نیاز دارند؛ انتخاب مناسبی به نظر می‌رسد.

 چطور TTS را در JavaScript به کار ببریم؟

بعد از انتخاب سرویس مناسب، نوبت به پیاده‌سازی فنی ابزارهای تبدیل متن به صوت در بازی می‌رسد. در ادامه همراه ما باشید تا با نحوه پیاده‌سازی Text to speech در JavaScipt آشنا شویم. مراحل اصلی پیاده‌سازی به شکل زیر است:

• ثبت‌نام و دریافت API: ابتدا در سایت مورد نظرتان ثبت‌نام کنید و سرویس انتخابی خود را دریافت کنید. مثلا شما می‌توانید به راحتی وارد ویرا شوید و سرویس تبدیل متن به صوت آواشو را که گزینه مناسبی برای فارسی‌زبانان است؛ انتخاب کنید.
•  ارسال درخواست HTTP: با استفاده از تابع fetch  یا XMLHttpRequest در JavaScript، یک درخواست POST به آدرس API سرویس ارسال می‌کنید. در بدنه این درخواست (body)، پارامترهای ضروری مانند متن ورودی، انتخاب نوع صدا و تنظیمات سرعت و لحن را قرار می‌دهید.
• دریافت و پخش پاسخ: سرویس، پاسخ را معمولا به صورت یک فایل صوتی (مثلا MP3) یا یک جریان صوتی (استریم) برمی‌گرداند. شما می‌توانید این داده را دریافت کرده و با استفاده از عنصر <audio> در HTML یا Web Audio API در بازی خود پخش کنید.  

جمع‌بندی

در نهایت می‌توان گفت ادغام فناوری TTS در بازی ‌های وب، فرصتی استثنایی برای توسعه‌دهندگان فراهم می‌کند تا بازی‌هایی جذاب‌تر، دسترس‌پذیرتر و اقتصادی‌تر بسازند. با استفاده از این فناوری، نه تنها می‌توان دیالوگ‌های متنوع و طبیعی برای شخصیت‌های بازی ایجاد کرد و تجربه‌ای واقعی‌تر و لذت‌بخش‌تر برای گیمرها فراهم کرد، بلکه دامنه مخاطبان را نیز به افرادی با نیازهای ویژه مانند کم‌بینایان گسترش داد. TTS هر کدام ویژگی‌های منحصربه‌فردی دارند که بسته به نیاز پروژه قابل انتخاب هستند. پیاده‌سازی این فناوری نیز با استفاده از JavaScript و ادغام آن در موتورهایی مانند Unity برای پلتفرم WebGL، فرآیندی ساده و قابل دسترس است که می‌تواند صنعت بازی‌سازی را به سطح جدیدی از خلاقیت و کارآمدی برساند.