Text-to-Speech ist die maschinelle Umwandlung von geschriebenem Text in gesprochene Sprache. Sie ist die Sprachausgabe, die in Screenreadern, Vorlesefunktionen und Navigationsgeräten steckt.
- Text-to-Speech
Die maschinelle Umwandlung von geschriebenem Text in gesprochene Sprache.
Beispiel: „Text-to-Speech macht aus dem Satz auf dem Bildschirm eine hörbare Ansage.“Auch: Sprachsynthese, TTS. Wörtlich heißt es Text zu Sprache, und die Richtung ist wichtig: Die Gegenrichtung, also gesprochene Sprache zu Text, heißt Spracherkennung.
Abgrenzung zum Screenreader: Der Screenreader benutzt Text-to-Speech als Stimme, leistet aber mehr. Er ermittelt Rolle, Name und Zustand jedes Elements, verwaltet Kurzbefehle und lässt sich durch die Seite steuern. Die Sprachausgabe allein liest nur vor.
Wo die Technik steckt
In jedem Betriebssystem, in jedem Screenreader, in Vorlesefunktionen auf Websites, in Hörbüchern ohne Sprecher und in den Ansagen von Navigationsgeräten. Die Stimmen kommen heute aus neuronalen Modellen und klingen dadurch deutlich natürlicher als vor zehn Jahren.
Im Browser gibt es dafür eine eigene Schnittstelle, mit der sich Text ohne zusätzliches Programm vorlesen lässt. Für Barrierefreiheit ist sie kein Ersatz, denn Betroffene bringen ihre eigene Sprachausgabe mit und haben sie eingestellt.
Was gut und was schlecht vorgelesen wird
Schlecht alles, was die Stimme raten muss: Abkürzungen ohne Punkt, Maßeinheiten, Telefonnummern am Stück, Datumsangaben in Ziffern, Produktnamen aus Groß- und Kleinbuchstaben. Gut dagegen ausgeschriebene, gewöhnliche Sätze.
Ein Sonderfall sind Zahlen in Aufzählungen. „1,5“ wird je nach Stimme als eins Komma fünf oder als eins fünf gelesen, und bei Preisen entscheidet das über die Bedeutung.
Warum die Sprachauszeichnung entscheidet
Weil die Stimme der Auszeichnung folgt. Fehlt die Angabe der Sprache im Dokument, liest eine englische Stimme deutschen Text, und das Ergebnis ist unverständlich. Fremdsprachige Abschnitte brauchen ihre eigene Angabe, sonst gilt dasselbe innerhalb der Seite.
Die WCAG verlangt das zweifach: Erfolgskriterium 3.1.1 „Language of Page“ auf Stufe A für das ganze Dokument und 3.1.2 auf Stufe AA für einzelne Abschnitte und Wendungen, ausgenommen Eigennamen, Fachbegriffe und eingebürgerte Wörter.
Aus unserer Arbeit an über 2.500 Website-Projekten ist das eine der billigsten Maßnahmen überhaupt: das Attribut lang im öffnenden Element des Dokuments, und bei mehrsprachigen Seiten eines je Abschnitt. Geprüft wird es von jedem automatisierten Werkzeug.