Издаване на синтезатор на реч RHVoice 1.8.0

Беше пусната отворената система за синтез на реч RHVoice 1.8.0, първоначално разработена за осигуряване на висококачествена поддръжка за руски език, но след това адаптирана за други езици, включително английски, португалски, украински, киргизки, татарски и грузински. Кодът е написан на C++ и се разпространява под лиценз LGPL 2.1. Поддържа работа на GNU/Linux, Windows и Android. Програмата е съвместима със стандартните TTS (text-to-speech) интерфейси за конвертиране на текст в реч: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) и Android Text-To-Speech API, но може да се използва и в NVDA екранен четец. Създател и основен разработчик на RHVoice е Олга Яковлева, която разработва проекта, въпреки че е напълно сляпа.

Версия 1.8 за платформата Android въвежда нова система за управление на гласови и езикови данни, която ви позволява да изтегляте актуализации на гласови данни, без да актуализирате мобилното приложение. Актуализациите на данните за добавени гласове и езици се проверяват автоматично. В допълнение, новата версия въвежда поддръжка за полския език и добавя нов глас за македонския език. Осигурена е съвместимост с най-новите алфа и бета версии на екранния четец на NVDA. Коригирани проблеми с изграждането на платформата Linux, които възникваха, когато Speech Dispatcher не присъстваше.

Да припомним, че RHVoice използва разработките на проекта HTS (HMM/DNN-based Speech Synthesis System) и метода за параметричен синтез със статистически модели (Statistical Parametric Synthesis based on HMM - Hidden Markov Model). Предимството на статистическия модел е ниските режийни разходи и неизискваща мощност на процесора. Всички операции се извършват локално в системата на потребителя. Поддържат се три нива на качество на речта (колкото по-ниско е качеството, толкова по-висока е производителността и по-кратко е времето за реакция).

Недостатъкът на статистическия модел е сравнително ниското качество на произношението, което не достига нивото на синтезаторите, които генерират реч въз основа на комбинация от фрагменти от естествена реч, но въпреки това резултатът е доста четлив и прилича на излъчване на запис от високоговорител . За сравнение, проектът Silero, който предоставя отворен двигател за синтез на реч, базиран на технологии за машинно обучение и набор от модели за руски език, превъзхожда по качество RHVoice.

Налични са 14 гласови опции за руски език и 6 за английски.Гласовете се формират въз основа на записи на естествена реч. В настройките можете да промените скоростта, височината и силата на звука. Библиотеката Sonic може да се използва за промяна на темпото. Възможно е автоматично откриване и превключване на езици въз основа на анализ на въведения текст (например за думи и цитати на друг език може да се използва модел за синтез, роден на този език). Поддържат се гласови профили, дефиниращи комбинации от гласове за различни езици.

Източник: opennet.ru