Групата компании ЦРТ, част от екосистемата на Сбербанк, обяви разработването на авангардна платформа за синтез на реч, която, според твърденията, осигурява гладкост и изразителност при прочитането на всеки текст.
Представеното решение е третото поколение на системата за синтез на реч. Висококачественият аудиосигнал се генерира от сложни невронни модели. Разработчиците заявяват, че резултатът от работата на тези алгоритми е най-реалистичният синтез на руски език.
В платформата е включен модул за предсказване на акценти в думи, които все още не са налични в основния речник. Освен това е предвидено автоматично коригиране на типични правописни грешки. Благодарение на дълбочинния лингвистичен анализ на текста, произношението ще отговаря на нормите на езика дори в сложни случаи.
Още едно преимущество на платформата е, че не изисква скъпи сървъри, оборудвани с GPU ускорители. Технологията може да се използва по два начина - чрез облачна услуга или вградена в собственото решение.
Сред възможните области на приложение на разработката са чат-ботове и гласови помощници, услуги за информиране и уведомяване, гласови услуги с моментален синтез на всеки текст по време на разговор и др.
"В автоматизираните сценарии за комуникация с клиентите, технологията позволява индивидуално взаимодействие с всеки абонат, тъй като няма фиксирани съобщения и всеки текст може да бъде синтезиран по време на разговора", казват разработчиците.
Можете да изпробвате технологията .
Източник: 3dnews.ru
