Byla vydána verze otevřeného systému syntézy řeči RHVoice 1.6.0, který byl původně vyvinut pro zajištění kvalitní podpory ruského jazyka, ale poté byl adaptován i pro další jazyky, včetně angličtiny, portugalštiny, ukrajinštiny, kyrgyzštiny, tatarštiny a gruzínštiny. Kód je napsán v C++ a je distribuován pod licencí LGPL 2.1. Podporuje provoz v GNU/Linux, Windows a Android. Program je kompatibilní s typickými TTS rozhraními (text-to-speech) pro převod textu na řeč: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) a Android Text-To-Speech API, ale také může být použit v obrazovém čtečce NVDA. Tvorcem a hlavním vývojářem RHVoice je Olga Jakovlevová, která projekt rozvíjí i přes svou úplnou slepotu.
V nové verzi byly přidány 5 nových variant hlasů pro ruskou řeč. Byla realizována podpora albánského jazyka. Bylo aktualizováno slovo pro ukrajinský jazyk. Rozšířena podpora pro ozvučení symbolů emoji. Byla provedena práce na odstranění chyb v aplikaci pro platformu Android, zjednodušen import uživatelských slovníků, a byla přidána podpora pro Android 11. Do jádra enginu byly přidány nové nastavení a funkce, včetně g2p.case, word_break a podpory ekvalizačních filtrů.
Připomínáme, že v RHVoice se používají poznatky projektu HTS (HMM/DNN-based Speech Synthesis System) a parametrická metoda syntézy se statistickými modely (Statistical Parametric Synthesis na bázi HMM — Hidden Markov Model). Výhodou statistického modelu jsou nízké režijní náklady a nenáročnost na výkon CPU. Všechny operace se provádějí lokálně na uživatelském systému. Podporovány jsou tři úrovně kvality řeči (čím nižší kvalita — tím vyšší výkon a kratší doba odezvy).
Nevýhodou statistického modelu je relativně nízká kvalita výslovnosti, která nedosahuje úrovně syntetizátorů generujících řeč na základě kombinace fragmentů přirozené řeči, ale výsledek je přesto dostatečně srozumitelný a připomíná přenos nahrávky z reproduktoru. Pro srovnání, projekt Silero, který poskytuje otevřený engin pro syntézu řeči založený na technologiích strojového učení a soubor modelů pro ruský jazyk, překonává RHVoice co do kvality.
Pro český jazyk je k dispozici 13 variant hlasů, pro angličtinu – 5. Hlasové modely jsou vytvořeny na základě nahrávek přirozené řeči. V nastavení lze měnit rychlost, výšku a hlasitost. K úpravě tempa může být použita knihovna Sonic. Je možné automatické určení a přepínání jazyka na základě analýzy vstupního textu (například pro slova a citace v jiném jazyce může být použita nativní model syntézy daného jazyka). Podporovány jsou hlasové profily, které určují kombinace hlasů pro různé jazyky.
Zdroj: opennet.ru
