Die offene Sprachsynthesesystem RHVoice 1.8.0 wurde veröffentlicht, ursprünglich zur qualitativ hochwertigen Unterstützung der russischen Sprache entwickelt, aber später auch für andere Sprachen angepasst, darunter Englisch, Portugiesisch, Ukrainisch, Kirgisisch, Tatarisch und Georgisch. Der Code ist in C++ geschrieben und wird unter der Lizenz LGPL 2.1 verbreitet. Es wird unterstützt auf GNU/Linux, Windows und Android. Das Programm ist kompatibel mit gängigen TTS-Schnittstellen (Text-to-Speech) zur Textumwandlung in Sprache: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) und Android Text-To-Speech API, kann jedoch auch in dem Screenreader NVDA verwendet werden. Die Schöpferin und Hauptentwicklerin von RHVoice ist Olga Jakovlewa, die das Projekt trotz ihrer völligen Erblindung weiterführt.
In der Version 1.8 für die Android-Plattform wird ein neues System zur Verwaltung von Sprach- und Sprachdaten vorgestellt, das es ermöglicht, Sprachdaten-Updates ohne Aktualisierung der mobilen Anwendung herunterzuladen. Die Überprüfung auf Aktualisierungen für hinzugefügte Stimmen und Sprachen erfolgt automatisch. Zudem wird in dieser neuen Version die Unterstützung der polnischen Sprache eingeführt und eine neue Stimme für die mazedonische Sprache hinzugefügt. Die Kompatibilität mit den neuesten Alpha- und Beta-Versionen des Screenreaders NVDA wurde sichergestellt. Probleme bei der Erstellung auf der Linux-Plattform, die durch das Fehlen des Speech Dispatchers verursacht wurden, wurden behoben.
Wir möchten daran erinnern, dass in RHVoice die Entwicklungen des HTS-Projekts (HMM/DNN-basiertes Sprachsynthesesystem) und die parametrische Synthesemethode mit statistischen Modellen (Statistical Parametric Synthesis basierend auf HMM — Hidden Markov Model) angewendet werden. Der Vorteil des statistischen Modells sind die geringen Overheads und die geringe Anforderung an die CPU-Leistung. Alle Operationen werden lokal auf dem System des Benutzers ausgeführt. Es werden drei Qualitätsstufen für die Sprachausgabe unterstützt (je niedriger die Qualität, desto höher die Leistung und kürzer die Reaktionszeit).
Ein Nachteil des statistischen Modells ist die relativ niedrige Sprachqualität, die nicht das Niveau von Synthesizern erreicht, die Sprache auf Basis von Kombinationen natürlicher Sprachfragmente generieren. Dennoch ist das Ergebnis recht verständlich und erinnert an die Übertragung einer Aufnahme über einen Lautsprecher. Zum Vergleich: Das Silero-Projekt bietet eine offene Engine für Sprachsynthese, die auf Technologien des maschinellen Lernens basiert, sowie eine Modellreihe für die russische Sprache, die in puncto Qualität RHVoice übertrifft.
Für die russische Sprache sind 14 Sprachvarianten verfügbar, für die englische Sprache 6. Die Stimmen basieren auf Aufnahmen natürlicher Sprache. In den Einstellungen können Geschwindigkeit, Tonhöhe und Lautstärke angepasst werden. Zur Änderung des Tempos kann die Sonic-Bibliothek verwendet werden. Eine automatische Erkennung und Umschaltung der Sprache basierend auf der Analyse des Eingabetextes ist möglich (zum Beispiel kann für Wörter und Zitate in einer anderen Sprache das native Synthesemodell dieser Sprache verwendet werden). Sprachprofile werden unterstützt, die Kombinationen von Stimmen für verschiedene Sprachen definieren.
Quelle: opennet.ru
