Wat is prosodie en hoe geeft het vorm aan gesproken taal?

Prosodie is het ritme, de klemtoon en de intonatie van spraak: de patronen die onze woorden betekenis geven die verder gaat dan hun letterlijke definitie. Hoe hoog of laag onze stem is, hoe snel we spreken en waar we de klemtoon leggen, draagt allemaal bij aan hoe taal wordt overgebracht en begrepen.

Prosodie werd vroeger alleen gebruikt om menselijke spraak te beschrijven, maar wordt nu net zo relevant voor de AI-stemtools die deze spraak genereren. Het speelt een grote rol bij de vraag of AI menselijk aanvoelt, doordat het verder gaat dan de juiste woorden in de juiste volgorde zetten en de kleine verbuigingen toevoegt die betekenis overbrengen. Dit geldt vooral in situaties zoals klantenservice of audiovertelling, waarin een verkeerd uitgesproken woord de hele boodschap kan ondermijnen.

Dit artikel legt uit wat prosodie is, geeft voorbeelden en behandelt het belang ervan voor Text to Speech-modellen (TTS), zodat je begrijpt wat nodig is om AI menselijker te laten klinken en aanvoelen.

Samenvatting

• Prosodie tijdens het lezen weerspiegelt het begrip van een lezer van een tekst en helpt leesvaardigheid op te bouwen.
• Prosodie stelt Text to Speech-modellen in staat om platte tekst om te zetten in natuurlijke, menselijk klinkende audio.
• Je kunt prosodie aan AI-stemmen toevoegen met hulpmiddelen zoals stemselectie, audiotags en interpunctie.

Wat is prosodie?

Prosodie verwijst naar de patronen van toonhoogte, timing en nadruk in spraak. Dit omvat hoe iets klinkt (zoals fonemen) en ook de emotionele lading achter de woorden, bijvoorbeeld of je een bevel, vraag of mededeling uitspreekt, of sarcastisch bent. 

Bij het beoordelen van prosodie kijken we doorgaans naar drie elementen:

• Ritme: Hoe de timing en het tempo van spraak patronen creëren.
• Intonatie: Hoe de toonhoogte binnen een zin stijgt en daalt.
• Klemtoon: Hoe specifieke woorden of lettergrepen worden benadrukt door toonhoogte, volume of duur.

Deze drie elementen kunnen beheersen, is wat ====--ische spraak onderscheidt van een voordracht die betekenis overbrengt die verder gaat dan de woorden zelf. 

Prosodie in spraak begrijpen: ritme, intonatie en klemtoon

Hoewel ze eenvoudig lijken, komen er veel aspecten kijken bij ritme, intonatie en klemtoon om de gevoelens achter onze woorden over te brengen. 

Hieronder bekijken we nader hoe deze drie kernelementen spraak beïnvloeden. 

Ritme

Ritme vormt de pauzes, het tempo en de timing die spraak structuur geven. In Romaanse talen zoals Frans en Spaans krijgt elke lettergreep doorgaans evenveel tijd, terwijl Engels en Duits meer variatie kennen in de timing en het tempo van woorden.

Ritme kan ook veranderen hoe een zin overkomt. Als je “We zijn onderweg” langzaam en gelijkmatig zegt, klinkt de zin geruststellend. Zeg je dezelfde woorden snel, dan klinken ze dicht op elkaar en ontstaat er een gevoel van urgentie.

Intonatie

Intonatie verwijst naar hoe de toonhoogte stijgt en daalt. Vaak is dit wat een vraag van een mededeling onderscheidt.

Neem deze zin: “Jim won de wedstrijd.” Als deze met een punt eindigt, wordt “wedstrijd” op dezelfde toonhoogte uitgesproken als de rest van de woorden. Maar om aan te geven dat het een vraag is (“Jim won de wedstrijd?”), stijgt je toonhoogte aan het eind.

Intonatie kan ook emoties uitdrukken. Een enthousiast “Hallo!” heeft een andere toonhoogte dan een teleurgesteld of ongeïnteresseerd “Hallo.”

Klemtoon

Klemtoon verwijst naar hoe een woord of een deel van een woord wordt benadrukt.

Het woord “object” heeft bijvoorbeeld twee betekenissen. Met de klemtoon op de eerste helft (“OB-ject”) verwijst een spreker naar het zelfstandig naamwoord. Leg je de klemtoon op de tweede helft (“ob-JECT”), dan wordt het een werkwoord.

In een zin legt klemtoon de focus op een woord. Door “ik” te benadrukken in “Ik zag Jim bij de wedstrijd” vertel je de luisteraar dat het belangrijk is te weten wie Jim bij de wedstrijd zag. Benadruk je daarentegen “wedstrijd”, dan wijs je de luisteraar erop waar ze Jim zagen.

Hoe beïnvloedt prosodie het lezen?

Prosodie tijdens het lezen geeft woorden context. Zie het als een verhaal hardop voorlezen aan een kind: zonder verschillende stemmen en tonen te gebruiken, zou het kind moeilijker kunnen achterhalen wat een personage voelt of wat een scène uitdrukt.

Prosodie is ook een betrouwbare indicator van leesvaardigheid. Mensen die een taal vloeiend beheersen, kunnen geschreven woorden van prosodische nadruk voorzien. Daarmee laten ze zien dat ze niet alleen begrijpen wat de woorden betekenen, maar ook de betekenis erachter die niet op de pagina staat.

Over het algemeen verbetert prosodie geletterdheid en taalvaardigheid door woorden en zinnen context te geven. Ook vermindert het miscommunicatie door de betekenis van woorden te verbinden met het publiek of de situatie waarin ze worden uitgesproken.

Waarom is prosodie belangrijk voor Text to Speech-modellen?

De woorden die een Text to Speech-model omzet in audio, of ze nu uit een script komen of door een LLM zijn gegenereerd, beginnen als platte tekst. Die woorden kunnen precies goed zijn, maar tekst alleen draagt geen toon, nadruk of gevoel over. 

Denk aan een klassieke IVR-bot die tegen je zegt: “Het spijt me. Dat heb ik niet begrepen.” Deze zin wordt meestal met vlakke prosodie uitgesproken, waardoor de meeste luisteraars niet het gevoel krijgen dat de bot echt spijt heeft van het ongemak dat deze veroorzaakt.

Vergelijk dit scenario met een AI-stemagent die een gefrustreerde klant helpt wiens vlucht is geannuleerd.

De reactie voelt menselijk wanneer de AI-agent zegt: “Ik begrijp je, en het spijt me echt,” omdat de reactie niet eentonig is. De reactie bevat een lichte kreun, een pauze aan het begin en een lage toon, die allemaal net zo goed een excuus overbrengen als de woorden zelf. 

Door deze prosodische elementen goed toe te passen, kan de agent een gespannen moment de-escaleren in plaats van de frustratie te vergroten.

Text to Speech-modellen ondersteunen meer dan alleen AI-agenten. Ze vormen ook de basis van ElevenCreative-tools voor voice-overs, vertellingen en marketingcontent. Een AI-stem die prosodie correct gebruikt, kan je helpen met:

• Voice-overs: Maak advertenties, uitlegvideo's en social content die echt boeiend klinken.
• Luisterboeken: Vertel met de juiste emotionele nuance, zodat de angst, vreugde of het sarcasme van een personage doorkomt zoals een menselijke verteller dat zou doen.
• Lokalisatie: Behoud de emotionele intentie van de oorspronkelijke content in verschillende talen.
• Marketing- en merkboodschappen: Zorg dat audio de juiste toon heeft en voorkom een ernstige voordracht wanneer deze opgewekt moet zijn, of andersom.

Prosodie maakt dit allemaal mogelijk. Laten we nu kijken hoe Text to Speech-modellen dit daadwerkelijk produceren.

Hoe TTS-modellen prosodie genereren

De huidige neurale Text to Speech-modellen (neurale TTS) genereren prosodie via deep learning-modellen die zijn getraind op echte menselijke spraak. In plaats van handgeschreven fonetische regels te volgen, leert het model de relatie tussen tekst en hoe die daadwerkelijk klinkt wanneer deze hardop wordt uitgesproken. 

Dankzij dat trainingsproces kan het TTS-model drie kenmerken voorspellen binnen een uiting:

• Toonhoogte: Hoe hoog of laag de stem moet zijn, wat intonatie oplevert.
• Duur: Hoe lang elk geluid of elke pauze moet duren, wat ritme oplevert.
• Energie: Hoe hard of zacht een moment moet zijn, wat klemtoon en nadruk oplevert.

Een model dat is getraind op duizenden uren menselijke spraak heeft bijvoorbeeld talloze vragen gehoord die ongeloof uitdrukken, zoals "Wacht, je deed wat?", uitgesproken met een scherpe stijging in toonhoogte en een uitbarsting van energie op het laatste woord. Door herhaalde blootstelling leert het dat patroon en past het dezelfde voordracht toe wanneer het opnieuw een zin tegenkomt die hetzelfde soort ongeloof uitdrukt.

Hoeveel context een model kan gebruiken bij het genereren van die voordracht, hangt echter ook af van de architectuur die de voorspelling doet.

Oudere TTS-modellen werkten via een pipeline: ze verwerkten tekst één zin tegelijk en gaven voorspellingen door tussen afzonderlijke netwerken voordat ze audio produceerden. Nieuwere modellen op basis van transformers brengen die pipeline samen in één end-to-endproces. 

In plaats van één zin geïsoleerd te lezen, leest het model eerst de hele passage en gebruikt het vervolgens die bredere context om te bepalen hoe een regel moet klinken. Dezelfde woorden kunnen als een clou overkomen of als iets veel zwaarders, afhankelijk van wat eromheen staat.

Modellen zoals Eleven v3 lezen de volledige passage voordat ze audio genereren, zodat de voordracht de context van de omringende tekst weerspiegelt.

Hoe gebruikers prosodie in TTS beheersen

Gebruikers kunnen prosodie in TTS beheersen door unieke AI-stemmen te kiezen en emotionele tags in scripts te zetten. ElevenCreative geeft je bijvoorbeeld toegang tot de Voice Library, waar je uit meer dan 10.000 stemmen kunt kiezen om de stem te vinden met het natuurlijke ritme en de intonatie die je zoekt.

Eleven v3, ons meest expressieve TTS-model, biedt je ook de optie om audiotags toe te voegen via haakjes in tekst, waarmee je het model vraagt een specifiek prosodie-element toe te passen. Misschien wil je tussen zinnen een lach toevoegen om humor, luchtigheid, kwaadaardigheid of sarcasme te tonen, of wil je dat het stemmodel een woord fluistert of schreeuwt voor nadruk. Ook interpunctie kan pauzes, onderbrekingen, uitroepen, vragen of wegstervende stemelementen creëren.

Dit kan er als volgt uitzien:

• “[laughing] Ik haat zwemmen.”
• “[surprised] Ik kan niet geloven dat hij dat deed! Ik ben geschokt… en onder de indruk.”
• “[annoyed] Doe dat niet!"

Laten we ze in actie zien:

Samen zorgen deze tools ervoor dat je geen achtergrond in taalkunde of audioproductie nodig hebt om prosodie te beheersen. Iedereen kan vormgeven aan hoe een AI-stem klinkt, simpelweg door een stem te kiezen, een tag toe te voegen of de interpunctie aan te passen.

Maak expressieve AI-stemmen beter met ElevenCreative

Of je nu advertenties draait, op social media post of video's maakt, je wilt dat ze klinken alsof een echt persoon ze heeft gemaakt en ingesproken. 

Met ElevenCreative kun je binnen enkele minuten audio en visuals op grote schaal genereren. Het AI-native platform kan geschreven tekst omzetten in menselijk klinkende spraak, afgestemd op de context, emotie en intentie van de spreker. En met meer dan 70 talen beschikbaar in Eleven v3, plus een uitgebreide bibliotheek met stemmen, kun je erop vertrouwen dat je de juiste toon aanslaat bij je publiek.

Ontdek meer over TTS op ElevenCreative of registreer je om aan de slag te gaan en te ontdekken hoe een AI-stem met natuurlijke prosodie je content kan transformeren.

Veelgestelde vragen over prosodie