Wprowadzenie: AI Voice jako model biznesowy, a nie demo
Każda zmiana w paradygmacie obliczeniowym robi dwie rzeczy naraz: rozszerza to, co jest technicznie możliwe, i przekształca miejsca, w których gromadzi się wartość. AI text-to-voice w 2025 roku nie jest wyjątkiem. Pytanie nie brzmi, który model brzmi najbardziej „ludzko” w próżni; strategiczne pytanie brzmi, gdzie głos pasuje do szerszego stosu AI – model, dane, dystrybucja – i którzy dostawcy są w stanie uchwycić trwałą ekonomię. Innymi słowy: zwycięzcy w text-to-voice będą definiowani mniej przez wierność dźwięku, a bardziej przez to, kto kontroluje relacje z klientami i jak głos jest zintegrowany w przepływach pracy.
Ten artykuł analizuje 10 najlepszych narzędzi AI text-to-voice do wypróbowania w 2025 roku, ale robi to z perspektywy opartej na strukturze. Użyjemy prostej struktury – Jakość Modelu, Punkty Kontrolne i Dystrybucja – aby ocenić produkty w segmentach konsumenckim, prosumenckim i korporacyjnym. Głównym słowem kluczowym jest tutaj „AI text-to-voice”, a intencją jest informacyjna z transakcyjną nutą: czytelnicy chcą zrozumieć narzędzia, porównać mocne strony i wybrać dostawcę. Strategiczny wniosek jest prosty: rynek AI text-to-voice fragmentuje się wzdłuż przypadków użycia, podczas gdy agregatory – narzędzia, które znajdują się bliżej użytkowników i przepływów pracy – konsolidują popyt.
Struktura dla AI Text-to-Voice w 2025 roku
Rozważ trzy warstwy:
- Jakość Modelu: Latencja, naturalność (prozodia, oddech, nacisk), zdolność wielojęzyczna i wierność klonowania głosu. Granica w dużej mierze się zbiegła: różnice istnieją, ale są węższe niż sugeruje marketing.
- Punkty Kontrolne: Własne dane (biblioteki głosów, licencjonowane głosy celebrytów), własne formaty lub środowiska uruchomieniowe oraz uzależnienie od programisty (SDK, cennik, kredyty). Tu tkwi obrona.
- Dystrybucja: Kto jest właścicielem użytkownika? Platformy z wbudowaną publicznością (twórcy, zespoły wsparcia, menedżerowie produktów) lub punkty osadzania (IDE, narzędzia do projektowania, CRM) mają przewagę strukturalną.
Implikacją jest klasyczna Teoria Agregacji: kiedy zdolność staje się towarem na poziomie komponentu (modele można wymieniać), wartość przesuwa się na agregatora, który przechwytuje użytkowników i integruje się z przepływami pracy. AI text-to-voice zmierza w tym kierunku.
Kryteria Wyboru: Co się liczy poza demami
Ocena narzędzi AI text-to-voice wymaga czterech praktycznych kryteriów:
- Latencja i Streaming: Streaming w czasie rzeczywistym lub poniżej 300 ms ma znaczenie dla interaktywnych agentów, wsparcia i scenariuszy wieloosobowych. Renderowanie wsadowe ma znaczenie dla mediów.
- Licencjonowanie i Bezpieczeństwo Komercyjne: Prawa do głosu, uprawnienia do klonowania i warunki użytkowania określają rentowność przedsiębiorstwa. Głos o wysokiej wierności jest obciążeniem, jeśli stos prawny jest niejednoznaczny.
- Powierzchnia Integracji: SDK, REST, WebRTC, obsługa SSML i wtyczki edytora. Im więcej powierzchni, tym większa dystrybucja.
- Całkowity Koszt Posiadania: Nie tylko cena za znak, ale także limity szybkości, współbieżność i koszt zmiany.
Mając to na uwadze, oto dziesięć narzędzi AI text-to-voice do wypróbowania w 2025 roku, uporządkowanych nie według szumu, ale według strategicznej pozycji.
1) ElevenLabs: Różnorodność na poziomie konsumenckim, rozszerzająca ambicje przedsiębiorstwa
- Pozycjonowanie: Szeroki rynek głosów z imponującym klonowaniem i pokryciem językowym. Silna marka w kręgach twórców.
- Mocne Strony: Duża, zróżnicowana biblioteka głosów; wysoka naturalność; wielojęzyczność; łatwość użycia w sieci i API. Stale dodaje funkcje, takie jak dubbing głosowy i efekty dźwiękowe.
- Punkty Kontrolne: Podaż i popyt na rynku; biblioteki użytkowników; zarządzanie IP głosu. To tworzy dwustronny efekt sieciowy, który jest trudny do dopasowania.
- Słabe Strony: Licencjonowanie i zarządzanie przedsiębiorstwem muszą być szczelne; koszty zmiany pozostają umiarkowane na warstwie API.
- Najlepsze dla: YouTuberów, podcasterów, marketerów i zespołów produktowych prototypujących głos AI na dużą skalę.
2) Microsoft Azure AI Speech: Zgodność i Skala na poziomie korporacyjnym
- Pozycjonowanie: W pełni zintegrowany ze stosem korporacyjnym Azure – AD, zarządzanie i rezydencja danych.
- Mocne Strony: Wysoka niezawodność, obsługa SSML, niestandardowe głosy neuronowe i solidne umowy SLA. Głęboka integracja z szerszym ekosystemem Microsoft.
- Punkty Kontrolne: Relacje korporacyjne, zgodność i pakietowanie platform.
- Słabe Strony: Mniej przystępny branding dla twórców; doświadczenie programisty może być cięższe niż w przypadku startupów pure-play.
- Najlepsze dla: Przedsiębiorstw z wymogami dotyczącymi ryzyka, zgodności i zamówień; globalne wdrożenia.
3) Amazon Polly (i integracje Amazon Bedrock): Wszechobecność i Dyscyplina Kosztowa
- Pozycjonowanie: Koń roboczy dla zamiany tekstu na mowę z przewidywalną ekonomią, wspierany przez integracje Bedrock dla generatywnych przepływów pracy.
- Mocne Strony: Skala, niezawodność i przejrzystość kosztów. Integracja z łańcuchem narzędzi AWS.
- Punkty Kontrolne: Penetracja kont AWS i pakietowanie infrastruktury.
- Słabe Strony: Mniej gotowych funkcji klonowania o wysokiej wierności; branding wydaje się utylitarny.
- Najlepsze dla: Przypadki użycia o dużej objętości i tolerancji na latencję; usługi wrażliwe na koszty.
4) Google Cloud Text-to-Speech: Jakość i Zasięg Wielojęzyczny
- Pozycjonowanie: Długotrwały neuralny TTS z silnym wsparciem językowym; ulepszone głosy i opcje SSML.
- Mocne Strony: Dobra jakość, stabilne API i synergia z ekosystemem mowy Google (STT, Vertex AI).
- Punkty Kontrolne: Integracje platform i dane wielojęzyczne.
- Słabe Strony: Mniej zróżnicowany w klonowaniu; powiązany z szerszą adopcją Google Cloud.
- Najlepsze dla: Globalnych produktów potrzebujących solidnej jakości i szerokiego zakresu języków.
5) OpenAI Audio (TTS z API w Czasie Rzeczywistym): Latencja jako Funkcja
- Pozycjonowanie: Synteza mowy o niskiej latencji zintegrowana bezpośrednio z agentami konwersacyjnymi; silna dynamika deweloperska.
- Mocne Strony: Streaming w czasie rzeczywistym, gotowe parowanie z LLM i spójna prozodia w ustawieniach interaktywnych.
- Punkty Kontrolne: Grawitacja platformy agenta; udział w umysłach programistów.
- Słabe Strony: Zarządzanie przedsiębiorstwem wciąż ewoluuje; IP głosu i zabezpieczenia klonowania muszą być jasne dla każdego wdrożenia.
- Najlepsze dla: Agentów głosowych, kopilotów na żywo i każdej aplikacji, w której latencja definiuje UX.
6) Play.ht: Jakość Skoncentrowana na Twórcach z Możliwością Dostosowania
- Pozycjonowanie: Niestandardowe głosy o wysokiej wierności i interfejs użytkownika, który przemawia do twórców i marketerów.
- Mocne Strony: Przekonujące awatary głosowe, niestandardowe szkolenie głosu i proste ceny.
- Punkty Kontrolne: Biblioteki głosów i relacje z twórcami.
- Słabe Strony: Konkuruje w zatłoczonym segmencie twórców; ruch przedsiębiorstwa jest mniejszy.
- Najlepsze dla: Podcastów, reklam, narracji i treści opartych na kampaniach.
7) WellSaid Labs: Zgodność Głosowa dla Przedsiębiorstw w Zakresie Szkoleń i e-learningu
- Pozycjonowanie: Głosy klasy profesjonalnej z naciskiem na treści wewnętrzne – szkolenia, HR, e-learning.
- Mocne Strony: Jasność licencjonowania, przepływy pracy zespołowej i przewidywalna jakość wyjściowa.
- Punkty Kontrolne: Umowy korporacyjne i potoki treści.
- Słabe Strony: Mniejszy urok dla eksperymentalnych twórców; szybkość funkcji wolniejsza niż w startupach.
- Najlepsze dla: Firm zastępujących ludzki voiceover dla standardowych treści szkoleniowych.
8) Descript Overdub: Integracja Kompleksowego Przepływu Pracy dla Twórców
- Pozycjonowanie: Głos w pełnym środowisku do edycji audio/wideo; głos jest funkcją, a nie silosem.
- Mocne Strony: Płynna edycja, od skryptu do osi czasu i natychmiastowe aktualizacje głosu.
- Punkty Kontrolne: Uzależnienie od przepływu pracy; efekty sieciowe poprzez współpracę zespołową.
- Słabe Strony: Jakość głosu poprawia się, ale może pozostawać w tyle za najlepszymi w swojej klasie samodzielnymi TTS.
- Najlepsze dla: Twórców, którzy preferują zintegrowane narzędzie od skryptu do publikacji.
9) Resemble AI: Klonowanie dla Przedsiębiorstw z Zabezpieczeniami
- Pozycjonowanie: Klonowanie głosu o wysokiej wierności do użytku komercyjnego, z uwzględnieniem praw i zgody.
- Mocne Strony: Niestandardowe zbiory danych, szczegółowa kontrola nad wyjściem i wdrażanie przedsiębiorstwa.
- Punkty Kontrolne: IP głosu specyficzne dla klienta i procesy zgodności.
- Słabe Strony: Interfejs użytkownika mniej przyjazny dla zwykłych twórców; ceny odzwierciedlają wartość przedsiębiorstwa.
- Najlepsze dla: Marek i organizacji medialnych z licencjonowanymi talentami i ścisłym zarządzaniem.
10) Coqui Studio: Kontrola Prozodii dla Produkcji Audio
- Pozycjonowanie: Precyzyjna kontrola nad emocjami, synchronizacją i naciskiem.
- Mocne Strony: Narzędzia zorientowane na edytor, które mają znaczenie dla filmowców i studiów gier.
- Punkty Kontrolne: Wyrafinowanie przepływu pracy w niszy i społeczność.
- Słabe Strony: Mniejszy ekosystem; mniej ogólnego przeznaczenia niż główne API.
- Najlepsze dla: Zespołów, którym zależy na niuansach prozodii i dopasowaniu scen.
Jak Wybrać: Dopasuj Przypadek Użycia do Punktów Kontrolnych
Właściwe narzędzie AI text-to-voice zależy mniej od absolutnej „jakości”, a bardziej od nachylenia przypadku użycia:
- Interaktywni Agenci i Kopiloci: Preferuj streaming o niskiej latencji (OpenAI Realtime, Azure Speech). Integracja z STT i NLU jest decydująca; głos jest funkcją wyjściową w zamkniętej pętli.
- Produkcja Mediów i Treści: Preferuj biblioteki głosów, klonowanie i kontrolę prozodii (ElevenLabs, Play.ht, Coqui). Jakość wsadowa przewyższa streaming poniżej 200 ms.
- Szkolenia i Wsparcie dla Przedsiębiorstw: Preferuj licencjonowanie, zarządzanie i skalę (WellSaid Labs, Azure, Resemble). Stos prawny jest równie ważny jak model.
- Optymalizacja Kosztów Objętości: Preferuj AWS/Polly lub Google TTS; wystarczająco dobra jakość wygrywa, gdy treść jest szablonowa, a przepustowość wysoka.
To jest Teoria Agregacji w praktyce: wybierz agregatora, który minimalizuje koszty zmiany w twoim przepływie pracy, a nie dostawcę z najlepszym demo.
Ceny, Latencja i Pułapka Kosztów Zmiany
Większość cen AI text-to-voice zbiega się na modelach za znak lub minutę ze stopniowanymi zniżkami. Ryzyko towarowe jest oczywiste: wraz ze zbieżnością wydajności modelu ceny spadają. Dostawcy bronią się poprzez:
- Własne Głosy: Licencjonowane talenty i dynamika rynku (ElevenLabs) tworzą zróżnicowanie.
- Integracja Przepływu Pracy: Posiadanie edytora lub pętli agenta (Descript, OpenAI) zwiększa koszty zmiany.
- Umowy Korporacyjne: SLA, zgodność i lokalne wdrożenie (Azure, Resemble) zmniejszają rezygnację.
Latencja znajduje się na przecięciu projektu modelu i infrastruktury. Doświadczenia w czasie rzeczywistym zmieniają głos z aktywa w wymóg; małe różnice w latencji składają się na lepkość produktu. Dlatego historia „AI text-to-voice” jest nierozłączna od szerszego środowiska uruchomieniowego agenta.
Warstwa Danych: Prawa, Zgoda i Bezpieczeństwo
Głos jest wyjątkowo osobisty. Adopcja w przedsiębiorstwach zależy od jasnego pochodzenia i zgody:
- Pochodzenie danych: Skąd pochodzą dane szkoleniowe? Czy głosy są licencjonowane i odwoływalne?
- Zgoda i klonowanie: Jakie procesy weryfikują tożsamość dla niestandardowych głosów?
- Kontrola użytkowania: Czy przedsiębiorstwa mogą ograniczyć dostęp do modelu, geofence danych i egzekwować zasady przechowywania?
Dostawcy, którzy traktują te pytania jako funkcje produktu – a nie aneksy prawne – zdobędą premię przedsiębiorstwa.
Agregacja Przepływu Pracy: Dlaczego Dystrybucja Zdecyduje o Zwycięzcach
Pojawiają się trzy tryby dystrybucji w AI text-to-voice:
- Poziome API: Szeroka adopcja przez programistów, elastyczna integracja (AWS, Azure, Google, ElevenLabs). Odnosi sukces dzięki szerokości i ekosystemowi.
- Pionowe Przepływy Pracy: Kompleksowe narzędzia do konkretnych zadań (Descript do edycji, WellSaid do szkolenia). Odnosi sukces dzięki głębi i zmniejszonemu obciążeniu poznawczemu.
- Wbudowane Asystenty AI: Głos jako punkt końcowy w systemach agentowych (OpenAI Realtime, asystenci SaaS). Odnosi sukces dzięki latencji i spójności konwersacyjnej.
Ze strategicznego punktu widzenia narzędzia, które łączą co najmniej dwa tryby – np. poziome API, które jest również właścicielem pionowego przepływu pracy – cieszą się lepszą ekonomią. API pure-play ryzykują utowarowieniem, chyba że sparują się z własnymi głosami, rynkami lub unikalnymi gwarancjami wdrożenia.
Gdzie pasuje Sider.AI: Głos jako Interfejs do Analizy
Rozważ Sider.AI: jego podstawową wartością jest analiza wspomagana przez AI, osadzona w codziennej pracy. Wraz z przesunięciem rynku w kierunku doświadczeń agentowych, głos staje się nie tylko wyjściem, ale interfejsem. Strategiczną okazją jest połączenie wysokiej jakości AI text-to-voice z przepływami pracy analizy: głośne podsumowywanie dokumentów, generowanie briefów głosowych z pulpitów nawigacyjnych i umożliwienie opartego na głosie Q&A nad danymi przedsiębiorstwa. Implikacja jest subtelna, ale ważna: jeśli warstwa analizy jest właścicielem relacji z użytkownikiem, warstwa głosu staje się wymienna – chyba że doświadczenie głosowe jest fosą produktową (np. charakterystyczny głos marki dla kadry kierowniczej, wielojęzyczne briefy ze spójną personą). W takim scenariuszu Sider.AI może integrować wiodących dostawców (Azure dla zgodności, OpenAI dla czasu rzeczywistego, ElevenLabs dla głosów klasy twórców), jednocześnie standaryzując prawa i zarządzanie. Agregator, a nie dostawca modelu, przechwytuje trwałą wartość. Praktyczne Wzorce Implementacji w 2025 Roku
Zespoły wdrażające AI text-to-voice w tym roku powinny rozważyć:
- Podwójny Stos Głosowy: Połącz dostawcę czasu rzeczywistego dla interaktywnych doświadczeń z dostawcą wsadowym dla wyjścia multimedialnego. Kieruj według przypadku użycia, aby zoptymalizować koszt i jakość.
- Klonowanie Zorientowane na Prawa: Ustanów weryfikację tożsamości i przepływy zgody przed szkoleniem niestandardowych głosów. Przechowuj dokumentację wraz z artefaktami modelu.
- Obserwowalność: Śledź latencję, wskaźniki błędów i przerwy użytkowników, aby mierzyć jakość konwersacyjną, a nie tylko wyniki audio podobne do MOS.
- Internacjonalizacja: Używaj dostawców z solidnym wsparciem wielojęzycznym, jeśli twoja publiczność jest globalna; testuj prozodię w różnych językach.
- Abstrakcja Dostawcy: Zaimplementuj minimalny interfejs, aby móc zmieniać dostawców bez przepisywania logiki aplikacji. Unikaj twardego kodowania osobliwości dialektu SSML.
Ryzyka i Ograniczenia: Nie Wszystko Potrzebuje Głosu
Istnieje tendencja do nadmiernego stosowania AI text-to-voice tam, gdzie wystarczy tekst. Głos błyszczy, gdy:
- Uwaga jest ograniczona (prowadzenie pojazdu, wielozadaniowość);
- Emocje wzmacniają zrozumienie (szkolenie, wdrażanie);
- Latencja nie może pogorszyć doświadczenia (pomoc w czasie rzeczywistym);
- Obecność marki ma znaczenie (spójna persona w różnych kanałach).
I odwrotnie, ujawnienia prawne, wysoce techniczne szczegóły i treści o dużej wadze audytowej mogą być lepiej obsługiwane jako tekst. Zadanie do wykonania – a nie nowość – powinno określać modalność.
Tabela Podsumowująca (Koncepcyjna)
Gdybyśmy mieli nanieść te narzędzia na dwa osie – Latencja (czas rzeczywisty vs wsadowy) i Zarządzanie (klasa konsumencka vs klasa korporacyjna) – zobaczylibyśmy klastry:
- Czas rzeczywisty + Przedsiębiorstwo: Azure Speech, OpenAI Realtime
- Czas rzeczywisty + Twórca: ElevenLabs (streaming), Play.ht
- Wsadowy + Przedsiębiorstwo: WellSaid Labs, Resemble, Google TTS
- Wsadowy + Użytkowy: Amazon Polly
- Osadzone w Przepływie Pracy: Descript, Coqui (specjalista od prozodii)
Mapowanie wyjaśnia rynek: wybierz kwadrant, który pasuje do zadania twojego produktu, a następnie zoptymalizuj w jego obrębie.
10 Najlepszych Narzędzi AI Text-to-Voice do Wypróbowania w 2025 Roku: Skondensowane Wnioski
- ElevenLabs: Najlepszy ogólny rynek twórców; silne klonowanie i wsparcie językowe.
- Microsoft Azure AI Speech: Najlepsze zarządzanie przedsiębiorstwem i globalna skala.
- Amazon Polly: Najlepszy dla stabilnych kosztowo i dużych obciążeń.
- Google Cloud TTS: Najlepszy dla wielojęzycznej szerokości z niezawodną jakością.
- OpenAI Audio/Realtimes: Najlepszy dla agentów o niskiej latencji i konwersacyjnego UX.
- Play.ht: Najlepszy dla dostosowywania twórców i głosów marki.
- WellSaid Labs: Najlepszy dla zgodnych treści szkoleniowych dla przedsiębiorstw.
- Descript Overdub: Najlepszy dla kompleksowych przepływów pracy twórców.
- Resemble AI: Najlepszy dla licencjonowanego klonowania w mediach i markach.
- Coqui Studio: Najlepszy dla prozodii i niuansów produkcji.
Każdy wypełnia odrębne miejsce w stosie; nie ma uniwersalnego „najlepszego”, jest tylko właściwe narzędzie do zadania.
Strategiczna Prognoza: Konsolidacja na Warstwie Przepływu Pracy
Następne 12–24 miesiące przyniosą dwa trendy:
- Parzystość Modeli i Kompresja Cen: Wraz ze zbieżnością podstawowej nauki ceny za znak spadną. Dostawcy muszą się wyróżniać głosami, prawami i dystrybucją.
- Agregacja Przepływu Pracy: Zwycięzcami będą ci, którzy żyją tam, gdzie żyją użytkownicy – w pakietach do edycji, CRM, czytnikach dokumentów i kopilotach agentowych. Głos staje się cechą szerszego doświadczenia produktowego.
Dlatego AI text-to-voice w 2025 roku to mniej konkurs piękności, a bardziej gra dystrybucyjna. Narzędzia, które blokują się w przepływach pracy o wysokiej częstotliwości – takich jak analiza, edycja i wsparcie – będą się kumulować. Narzędzia, które pozostają wymiennymi API, będą gonić marże w dół.
Wniosek: Wybieraj Strategię, a Nie Dema
Pokusa w AI text-to-voice polega na wybraniu najbardziej imponującej próbki i uznaniu, że to koniec. Lepsze podejście polega na dopasowaniu przypadku użycia do właściwych punktów kontrolnych – latencji, licencjonowania, integracji – i wybraniu narzędzia zgodnego z twoją dystrybucją. Środek ciężkości rynku przesuwa się od nowości modelu do własności przepływu pracy.
Z strategicznego punktu widzenia, zastanów się, jak funkcja zamiany tekstu na mowę oparta na sztucznej inteligencji (AI text-to-voice) uzupełnia punkt agregacji Twojego produktu. Jeśli Twoja aplikacja buduje relacje z użytkownikiem, głos jest elementem, który można wykorzystać. Jeśli nie, głos może być Twoim sposobem na wejście w trwalsze procesy pracy. Tak czy inaczej, zwycięzcami w 2025 roku będą ci, którzy traktują funkcję zamiany tekstu na mowę opartą na sztucznej inteligencji jako część systemu — gdzie dane, prawa, opóźnienia i dystrybucja łączą się w produkt, do którego użytkownicy wracają każdego dnia.
FAQ
P1: Jakie jest najlepsze narzędzie AI text-to-voice dla agentów pracujących w czasie rzeczywistym w 2025 roku?
Dla konwersacyjnego UX o niskim opóźnieniu, OpenAI realtime APIs i Microsoft Azure Speech są liderami ze względu na wydajność przesyłania strumieniowego i integrację gotową dla przedsiębiorstw. Twój wybór powinien być zgodny z potrzebami w zakresie zarządzania i tym, jak ściśle głos pasuje do Twojej pętli agenta.
P2: Która platforma AI text-to-voice oferuje najsilniejsze klonowanie głosu dla twórców?
ElevenLabs i Play.ht zapewniają klonowanie o wysokiej wierności z szerokimi bibliotekami głosów i prostymi procesami pracy. Upewnij się, że licencje i zgoda są wyraźne, jeśli Twój projekt ma charakter komercyjny lub obejmuje markowe persony.
P3: Jak przedsiębiorstwa powinny oceniać dostawców AI text-to-voice?
Oprócz jakości i ceny, priorytetowo traktuj przejrzystość licencji, rezydencję danych i umowy SLA. Azure, Resemble AI i WellSaid Labs kładą nacisk na zarządzanie i zgodność, co zmniejsza długoterminowe ryzyko i koszty zmiany dostawcy.
P4: Czy AI text-to-voice jest opłacalne dla treści na dużą skalę?
Tak, szczególnie w przypadku usług zorientowanych na użyteczność, takich jak Amazon Polly lub Google TTS, gdzie ceny za znak są przewidywalne. Obciążenia wsadowe z szablonowymi skryptami najbardziej korzystają ze stabilnych cen i przepustowości.
P5: W czym Sider.AI wnosi wartość w odniesieniu do narzędzi głosowych?
Sider.AI ulepsza workflow powyżej głosu, strukturując analizę i dostarczanie — przekształcając dokumenty, pulpity nawigacyjne i spostrzeżenia w briefingi głosowe. Ta agregacja workflow użytkownika jest miejscem, w którym gromadzi się trwała wartość, a głos jest konfigurowalnym komponentem. 
