Gruppen af virksomhederne CRT, der er en del af Sberbanks økosystem, har offentliggjort udviklingen af en avanceret tale-synteseplatform, som angiveligt sikrer glathed og udtryksfuldhed i oplæsningen af enhver tekst.
Den præsenterede løsning er den tredje generation af tale-syntesesystemet. Højkvalitets lydsignal genereres af komplekse neurale netværksmodeller. Udviklerne hævder, at resultatet af disse algoritmers arbejde er den mest realistiske syntese af russisktalende tale.
Platformen inkluderer en modul til forudsigelse af tryk i ord, som endnu ikke er i det grundlæggende ordforråd. Derudover er der en funktion til automatisk korrektur for typiske stavefejl. Takket være dybdegående lingvistisk analyse af teksten vil udtalen overholde sprogstandarder, selv i komplekse tilfælde.
En anden fordel ved platformen er, at den ikke kræver dyre servere, udstyret med GPU-acceleratorer. Teknologien kan anvendes på to måder - via en cloud-tjeneste eller integreret i en egen løsning.
Blandt de mulige anvendelsesområder for udviklingen nævnes chatbots og stemmeassistenter, informations- og varslingsservices, stemmeservices med øjeblikkelig syntese af enhver tekst under opkald osv.
"I automatiserede kommunikationsscenarier med kunderne gør teknologien det muligt at interagere individuelt med hver abonnent, da der ikke er faste meddelelser, og enhver tekst kan syntetiseres under opkaldet," siger udviklerne.
Teknologien kan prøves .
Kilde: 3dnews.ru
