Die Herangehensweise an multilinguale Sprachsynthese von Loquendo TTS bietet eine Reihe von Möglichkeiten, Situationen zu begegnen, in denen mehrsprachige Texte bzw. eingebettete fremdsprachliche Sätze vorkommen. Die größte Herausforderung ist, eine einsprachige Computerstimme einen fremdsprachlichen Text lesen zu lassen.

Eine Strategie fremdsprachlicher Aussprache erlaubt es, phonetische Transskriptionen verschiedener Sprachen zu mischen. Die Basis ist ein Algorhitmus für die Zuordnung der Phoneme. Dieser macht fremsprachliche Phonemsequenzen auch für eine einsprachige Stimme aussprechbar. Diese Methode ist sehr effizient. Sie ist volkommen Phonem-basiert und ermöglicht es jedweder Loquendo TTS Stimme alle vom System unterstützte Sprachen zu sprechen.

Herkömmliche Systeme sind ausschließlich für das Lesen einsprachiger Texte konzipiert.
Mehrsprachige Texte können nur durch Wechsel der Stimme bei jedem Sprachwechsel korrekt vorgelesen werden. Dies kann bei richtig gemischtsprachigen Texten schier unmöglich werden, wenn Sprachwechsel sehr häufig und mitten in Sätzen auftreten. Realistische Anwendungen benötigen mehr Flexibilität, um unterschiedliche Situationen angemessen zu beherrschen: Texte aus unterschiedlichen Quellen unbekannter Sprachherkunft (z.B. Internet), mehrsprachige E-Mails oder Office-Dokumente, ausländische Ortsnamen oder Phrasen (wie etwa Filmtitel) im Rahmen von Informationsdiensten.

Die optimale Lösung ist eine einzige TTS Stimme, die den vollständigen multilingualen Text vorliest. In den vergangenen Jahren wurden zwei Methoden angewandt:

1. Erstellung mehrsprachiger vokalischer Datenbanken mithilfe zwei- oder mehrsprachiger Sprecher
2. Einsatz einer automatischen phonetischen Transskription für die Fremdsprache mit anschließender Zuordnung der gewonnenen Transskription zu den Phonemen der Muttersprache der Stimme, um ihre akustischen Einheiten verwenden zu können

Während der erste Ansatz eine "perfekte Aussprache" produziert, resultiert der zweite eine "angenäherte Aussprache". Das bedeutet nicht, dass der zweite Ansatz besser ist als der erste. In Anbetracht zahlreicher tatsächlicher Situationen mag sie sogar realistischere Ergebnisse erzielen. Tatsächlich wird ein jemand, der einen Text, der vorwiegend in seiner Muttersprache gehalten ist, eingestreute fremdsprachliche Wendungen oft weit stärker von der eigentlich korrekten Lautung abweichend aussprechen, als wenn der komplette Text in der Fremdsprache vorläge. Diese Art der Annäherung der Ausspache ist auf die Beibehaltung des muttersprachlichen phonologischen Systems des Sprechers zurückzuführen. Diese Wahl der Aussprache beruht auf Koartikulation, Aufwandminimierung und psychosozialen Faktoren, da eine allzu korrekte Lautung der Fremdsprache oft als übertrieben und im allgemeinen Gebrauch unangemessen betrachtet wird.

Loquendo uses both approaches to deal with mixed-languages text.

Pronouncing foreign words using the same voice with the Foreign Language approach: phonetic mapping enables a single synthetic voice to read text in foreign languages keeping its mother-tongue pronounciation, just like humans do. In fact, a speaker has to pronounce foreign words in a text written predominantly in his or her own language will be generally inclined to pronounce these words in a manner that may differ - also significantly - from the correct pronunciation of the same words when included in a complete text in the corresponding foreign language. The approximation of this kind of pronunciation is especially due to the speaker choice of maintaining his native-tongue phonological system. This choice is due to co-articulation, economy of effort and also to psychosocial factors, as adopting the correct pronunciation may be regarded as an undue sophistication and, as such, rejected in common usage. . Please refer to the Foreign Language Demo.