Byl vydán open-source systém syntézy řeči RHVoice 1.8.0, který byl původně vyvíjen k zajištění kvalitní podpory ruského jazyka, ale poté byl přizpůsoben 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. Podporována je práce 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 může být také použit v obrazovém čtečce NVDA. Tvůrcem a hlavním vývojářem RHVoice je Olga Jakovleva, která pokračuje v rozvoji projektu navzdory úplné slepotě.
Ve verzi 1.8 pro platformu Android byla navržena nová řízení hlasových a jazykových dat, které umožňují stahovat aktualizace hlasových dat bez aktualizace mobilní aplikace. Kontrola výskytu aktualizací dat pro přidané hlasy a jazyky se provádí automaticky. Kromě toho byla v novém vydání realizována podpora polského jazyka a přidán nový hlas pro makedonský jazyk. Byla zajištěna kompatibilita s nejnovějšími alfa a beta verzemi obrazové čtečky NVDA. Byly vyřešeny problémy se sestavením na platformě Linux, které se objevovaly při absenci Speech Dispatcher.
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 ruský jazyk je k dispozici 14 variant hlasů, pro anglický pak 6. Hlasové varianty jsou vytvořeny na základě záznamů přirozené řeči. V nastavení můžete měnit rychlost, výšku a hlasitost. Pro změnu tempa může být použita knihovna Sonic. Je možné automatické určení a přepnutí jazyka na základě analýzy vstupního textu (například pro slova a citace v jiném jazyce může být použit model syntézy rodného jazyka). Podporovány jsou hlasové profily, které určují kombinace hlasů pro různé jazyky.
Zdroj: opennet.ru
