Ilmus avatud kõnesünteesi süsteem RHVoice 1.6.0, mis algselt töötati välja kvaliteetse vene keele toetamiseks, kuid hiljem kohandati ka teistele keeledele, sealhulgas inglise, portugali, ukraina, kirgiisi, tatari ja gruusia keelele. Kood on kirjutatud C++ keeles ja levitatakse LGPL 2.1 litsentsi alusel. Toetatakse kasutamist GNU/Linux, Windows ja Android keskkonnas. Programm on ühilduv tavaliste TTS-liidestega (text-to-speech) teksti kõneks muutmiseks: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) ja Android Text-To-Speech API, kuid seda saab kasutada ka ekraanilugeris NVDA. RHVoice'i looja ja peamine arendaja on Olga Jakovleva, kes jätkab projekti arendamist vaatamata täielikule pimedusele.
Uues versioonis on lisatud 5 uut vene keele häält. Toetatakse albaania keelt. Uk rootskeele sõnaraamat on uuendatud. Emoji sümbolite hääletamise tugi on laiendatud. Androidi platvormi rakenduses on kõrvaldatud tõrkeid, kasutajate sõnaraamide import on lihtsustatud ning toetatakse ka Android 11 platvormi. Mootori tuuma on lisatud uusi seadeid ja funktsioone, sealhulgas g2p.case, word_break ja ekvaliseerimisfilter.
Käesolev on meeldetuletus, et RHVoice kasutab HTS projekti (HMM/DNN-põhine kõnesüntesaator) ja parametri meetodit sünteesiks statistiliste mudelitega (Statistical Parametric Synthesis HMM-i - varjatud Markovi mudeli baasil). Statistilise mudeli eeliseks on madalad lisakulud ja madal CPU jõudlusnõudlus. Kõik toimingud viiakse läbi kohaliku kasutaja süsteemis. Toetatakse kolme kõnekvaliteedi taset (madalama kvaliteedi puhul on suurem jõudlus ja väiksem reageerimisaeg).
Statistilise mudeli puuduseks on suhteliselt madal häälduse kvaliteet, mis ei ulatu loomuliku kõne fragmentide põhjal häält genereerivate sünteesaatorite tasemele, kuid tulemus on ikkagi piisavalt arusaadav ja meenutab näidisfaili edastamist kõlarist. Võrdluseks: projekt Silero, mis pakub avatud kõnesünteesi mootorit masinõppe tehnoloogiate põhjal ning mudelide kogumit vene keele jaoks, ületab kvaliteedis RHVoice'i.
Vene keele jaoks on saadaval 13 häält, inglise keele jaoks 5. Hääled vormitakse loodusliku kõne salvestiste põhjal. Seadetes on võimalik muuta kiirust, kõrgust ja valjust. Tempo muutmiseks saab kasutada Sonic teeki. Automaatne keele tuvastamine ja vahetamine on võimalik sissetuleva teksti analüüsi põhjal (näiteks sõnade ja tsitaatide jaoks teises keeles kasutatakse vastava keele sünteesi mudelit). Toetatakse hääl profiile, mis määravad häälte kombinatsioonid erinevate keelte jaoks.
Allikas: opennet.ru
