Köszönöm a hozzászólásokat! Hosszú lenne minden felvetett kérdésre válaszolni, így csak a technikai jellegűekre írnék pár sort.
Az mbrola rendszert sikerült kipróbálnom, az eredmény a http://youtu.be/C3WwXAu_Yhs címen látszik. Szerintem is érthetőbb lett így a hang, bár ez még mindig messze nem olyan, mint a Google Translatoré. Úgy gondolom, hogy a lynx-es parancssorral ügyeskedve a Google Translator lesz a legminőségibb megoldás (ki fogom próbálni).
Szándékosan tettem fel egy kicsit hosszabb részletet, hogy egy-két további apró részlet is látszódjon: pl. a "pont-pont-pont", "csillag" feleslegesen vannak kimondva. Valószínű, hogy ezek egy-egy jól irányzott espeak opcióval eltüntethetőek.
Az mbrola hangja egy kicsit lassabb, mint az espeak-é (habár tulajdonképpen az espeak végzi itt is a szöveg első elemzését), de lehet, hogy ennek köszönhetően érthetőbb is. Érdekes módon az mbrola 16000-s bitrátával küldi ki a hangot, míg az espeak 22050-essel. Ezt a scriptben is le kellett kezelnem, tulajdonképpen ennyivel "tud többet" ez a második verzió. Talán érdemes lenne az mbrola hangjával ugyanezt megpróbálni, de gyorsabban. Mivel ezt csak pár perc kivárni, mindjárt ki is próbálom.
A program még nem kezeli a "dőlt", "kövéren szedett" stb. HTML tageket, sőt, még nem kaptam visszajelzést, hogy másnak sikerült-e bármit is kezdeni a scripttel, tehát egy csomó probléma még valószínűleg nincs lekezelve.