Групата компании ЦРТ, която е част от екосистемата на Сбербанк, обяви разработването на авангардна платформа за синтез на реч, която, според твърденията, осигурява плавност и изразителност при четенето на всякакъв текст.
Представеното решение е третото поколение на системата за синтез на реч. Висококачественият аудиосигнал се генерира от сложни невронни мрежи. Разработчиците твърдят, че резултатът от работата на тези алгоритми е най-реалистичният синтез на руска реч.
В платформата е включен модул за прогнозиране на ударения в думи, които все още не са налични в основния речник. Освен това е предвидено автоматично коригиране на типични правописни грешки. Благодарение на задълбочен лингвистичен анализ на текста, произношението ще отговаря на нормите на езика дори в сложни случаи.
Още едно предимство на платформата е, че не изисква скъпи сървъри, оборудвани с GPU ускорители. Технологията може да се използва по два начина - чрез облачен сервис или интегрирана в собствено решение.
Сред възможните области на приложение на разработката са чат-ботове и гласови асистенти, услуги за информация и уведомление, гласови услуги с моментален синтез на всякакъв текст по време на обаждане и др.
„В автоматизирани сценарии за комуникация с клиенти, технологията позволява взаимодействие индивидуално с всеки абонат, тъй като няма фиксирани съобщения и всеки текст може да бъде синтезиран в процеса на обаждане“, казват разработчиците.
Можете да опитате технологията .
Източник: 3dnews.ru
