2016-08-09　by Marvin

【錄音志工好辛苦！】
為服務視障朋友的有聲書錄製，一向是件辛苦的工作。錄音志工們在錄製時，不小心唸錯字，重來！語氣拿捏不妥，重來！錄到太明顯的雜音，又修不掉，重來！就這麼修修改改，一本300頁的白話文通俗讀物，通常也得耗費上百小時才能錄完。

萬一碰上「文字密度」較高、用字生僻、偏好文白夾雜的作者，我該怎麼唸，才能充分傳達作者的意思，讓聽者可以理解呢？這時往往覺得自己智商不夠用了！遇上不太確定的字音，就得猛查字典。碰到文中夾雜／括注的各種外文，一本英文字典不夠用；尤其是語源各異的人名、地名，不要說字典不夠用了，連 YouTube、Vimeo 等視頻資源都得費一番工夫去搜索、查看，才有機會搞清楚那些名字到底該怎麼唸。例如，以色列物理學家 Yuval Ne'eman，這名字該怎麼唸啊？會不會有什麼怪怪的希伯來語唸法呀？當劉毅的《專有名詞發音辭典》和大修館的《ジーニアス英和辞典》都無法給出解答時，就只好嘗試從一些視頻中尋出答案了。

【電腦自動產製有聲書？】
有了 Text-to-Speech 的電腦語音合成技術，錄音志工們可以解脫了嗎？
希望有這麼一天！不過，恐怕得先讓電腦具備糾錯的能力。小牲曾經錄過的書並不多，但在書中發現各種各樣的錯誤卻是十分普遍。下圖所示是一本校對堪稱嚴謹，錯字不多見的好書；不過，電腦遇上 這一頁，大概會直接讀成「關關ㄙㄨㄟ鳩」吧！

而以下 這一段，如果是電腦語音合成的，羅馬「教廷」 大概就會成為 羅馬「教ㄧㄢˊ」 了吧！

當然，以上所述，是假設產製有聲書的電腦，在沒有足夠的雲端資料庫支援的情況下單機作業，大概就很難對書籍內容糾錯。不過，電腦如果主動糾錯，會不會矯枉過正，在修正錯字的同時，也擅自將作者某些有意為之的特殊用字／用詞給改掉，反倒「化神奇為腐朽」呢？這個問題，還是留給人工智能方面的專家去傷腦筋吧！

【人腦 vs 電腦】
電腦的高效運作，是人力無法匹敵的。但優秀人力的學養和智慧，也是現有電腦技術難以輕言取代的。愚以為，作為一個錄音志工，若只是機械化地逐字唸稿，則與電腦語音合成技術相去無幾。優質的真人錄音，至少具有以下幾項特點，恐怕是電腦在可預見的未來，都難以企及的：

1. 合理的 停／連、斷句 處理，使得內容易於理解。（請注意：停連、斷句的處理，應依文意脈絡來判斷，而不是標點符號。請參閱 停連 vs 標點）


2. 當文中偶爾出現不適合聲語表達的書面語時，能夠審酌文情義理，略加調整變通，改採利於聽解的方式傳述。


3. 有時作者連續使用代詞「他」、「她」敘事，視讀者可以區別誰是誰，而聽者卻難以區別誰是誰的時候，明智的讀稿人能夠顧及視障聽者的需要，適時以人名、稱謂等取代「他」或「她」，作出清楚的人物交代。


4. 老一輩以紙筆撰稿的作者，有時偏好以「之」字代替「的」字，因為「之」字筆畫簡省，便於書寫。對於視讀者而言，作為結構助詞的「之」字與「的」字，功用相同；但轉換成沒有視覺憑藉的聲語表達時，某些語句卻因為用了「之」（而非「的」），變得難以聽解，或者不倫不類。優秀的讀稿者，應能善加鑑別，知所權變。


5. 能將場景描寫的文字，用適當的語氣呈現，不拘泥於書面文字，（在不扭曲原著的前提下）輔以適當的字音變讀、語助詞、氣聲等等，形成生動的聲語表現。（請注意：不要習慣性地一看到引號「」當中的話語，就開始摸擬人物口氣說話了。要能區別，有些「」帶出了會話場景，可以揣摸場景和語氣；有些「」則是引述原文，不適合當作會話場景來處理的。請參閱 引述 vs.會話場面）