Vabariigi häälesünteesi süsteem RHVoice 1.6.0 on nüüd välja antud. Esialgu arendatud kvaliteetse toe pakkumiseks vene keelele, aga nüüd on see saadaval ka teistele keeltele, sealhulgas inglise, portugali, ukraina, kirgiisi, tatari ja gruusia keelele. Kood on kirjutatud C++ keeles ja levitatakse LGPL 2.1 litsentsi alusel. Toetatakse tööd GNU/Linuxis, Windowsis ja Androidis. Programm on ühilduv standardsete TTS-liidesetega (text-to-speech) teksti häälele muutmiseks: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) ja Android Text-To-Speech API, kuid seda saab kasutada ka NVDA ekraani lugejas. RHVoice'i looja ja peamine arendaja on Olga Jakovleva, kes arendab projekti vaatamata täielikule pimedusele.
Uues versioonis on lisatud 5 uut häält vene keeles. Toetatakse albaania keelt. Ukraina keele sõnastik on ajakohastatud. Emoji sümbolite hääldamise tugi on laienenud. Androidi platvormile on tehtud vigu parandusi, lihtsustatud kasutaja sõnastike importimist ning lisatud tugi Android 11 platvormile. Mootori tuumale on lisatud uued seadistused ja funktsionaalsus, sealhulgas g2p.case, word_break ja ekvalisaatori filtrite tugi.
Tuletame meelde, et RHVoice'is rakendatakse HTS (HMM/DNN-põhine kõnesünteesi süsteem) projekti arendusi ja statistilise mudeli (Statistical Parametric Synthesis, mis põhineb HMM-l — Peidetud Markovi mudel). Statistilise mudeli eelistuseks on madalad ülejäänud kulud ja mitte nõudlik CPU võimsuse osas. Kõik toimingud tehakse kasutaja süsteemis kohapeal. Toetatakse kolme hääle kvaliteedi taset (mida madalam kvaliteet, seda kõrgem tootlikkus ja lühem reageerimisaeg).
Statistilise mudeli miinus on suhteliselt madal hääldamise kvaliteet, mis ei saavuta taset, mis on saavutatud häälte sünteesimiseks, mis põhinevad loomuliku kõne fragmentide kombinatsioonidel, kuid siiski on tulemus täiesti arusaadav ja meenutab salvestise edastamist kõlarist. Võrdluseks, projekt Silero, mis pakub avatud häälesünteesi mootorit masinõppe tehnoloogiate ja mudelite komplekti jaoks vene keeles, ületab kvaliteedis RHVoice'i.
Venekeeles on saadaval 13 häälvarianti, inglise keeles aga 5. Hääl(ed) kujundatakse loomuliku kõne salvestuste põhjal. Seadetes on võimalik muuta kiirust, kõrgust ja helitugevust. Tempo muutmiseks võib kasutada Sonic raamatukogu. Automaatne keele tuvastamine ja ülemineku võimalus lähtudes sissevõetud teksti analüüsist (näiteks erinevas keeles sõnade ja tsitaatide jaoks võib kasutada sellele keelele omast sünteesi mudelit). Toetatakse hääleprofiile, mis määratlevad häälte kombinatsioone erinevate keelte jaoks.
Allikas: opennet.ru
