{"id":103848,"date":"2022-04-22T15:36:52","date_gmt":"2022-04-22T13:36:52","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/novyj-vypusk-sistemy-sinteza-rechi-silero"},"modified":"2022-04-22T15:36:52","modified_gmt":"2022-04-22T13:36:52","slug":"novyj-vypusk-sistemy-sinteza-rechi-silero","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/novyj-vypusk-sistemy-sinteza-rechi-silero","title":{"rendered":"Uus versioon Silero k\u00f5nes\u00fcnteesist","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Saadaval on uus avalik v\u00e4ljaanne Silero Text-to-Speechi n\u00e4rviv\u00f5rgu k\u00f5nes\u00fcntesaatorist. Projekt keskendub eelk\u00f5ige kaasaegse k\u00f5rgekvaliteedilise k\u00f5nes\u00fcntesaatori loomiseks, mis ei j\u00e4\u00e4 alla ettev\u00f5tete kommertslahendustele ja on k\u00f5igile soovijatele kergesti k\u00e4ttesaadav ilma kallite serverite kasutamiseta. <\/p>\n
Mudelite levitamine toimub GNU AGPL litsentsi alusel, kuid projekti arendav ettev\u00f5te ei avalikusta mudelite koolitamise mehhanismi. K\u00e4ivitamiseks saab kasutada PyTorch'i ja raamistikke, mis toetavad ONNX formaati. Silero k\u00f5nes\u00fcntees p\u00f5hineb s\u00fcgavalt muudetud kaasaegsete n\u00e4rviv\u00f5rkude algoritmide ja digitaalsete signaalit\u00f6\u00f6tluse meetodite kasutamisel. <\/p>\n
M\u00e4rgitakse, et kaasaegsete n\u00e4rviv\u00f5rkude k\u00f5nesynthesis lahenduste peamiseks probleemiks on see, et need on sageli saadaval ainult tasuliste pilvelahenduste raames, samas kui avalikud tooted n\u00f5uavad k\u00f5rgeid riistvaran\u00f5udeid, pakuvad madalamat kvaliteeti v\u00f5i ei ole l\u00f5petatud ja kasutamiseks valmis tooted. N\u00e4iteks \u00fche uue populaarse end-to-end s\u00fcnkroniseerimise arhitektuuri, VITS, probleemideta k\u00e4ivitamiseks s\u00fcnkrooni (st mitte mudelite koolitamiseks) on vajalikud rohkem kui 16 GB VRAM-iga videokaardid. <\/p>\n
Saadaval on 4 k\u00f5rge kvaliteediga h\u00e4\u00e4lt vene keeles (ja l\u00f5putu arv juhuslikke). H\u00e4\u00e4lduse n\u00e4ited;\n
Mudelite kiirus on k\u00fcmme korda suurem ja n\u00e4iteks 24 kHz re\u017eiimis on v\u00f5imalik \u00fche sekundi jooksul s\u00fcnteesida kuni 20 sekundit heli neljal protsessori voolul;\n
K\u00f5ik h\u00e4\u00e4ljuhised \u00fches keeles on pakitud \u00fchte mudelisse;\n
Mudelid toetavad t\u00e4istekste ning sisendiks on ka SSML-sildid;\n
Praegu on uusima s\u00fcnteesi versiooni jaoks avalikult saadaval neli h\u00e4\u00e4lt vene keeles, kuid peagi avaldatakse j\u00e4rgmine versioon j\u00e4rgmiste muudatustega: <\/p>\n
\n
S\u00fcnteesi kiirus suureneb veel 2-4 korda;\n
Uuendatakse s\u00fcnteesi mudeleid SR\u00dc keelte jaoks: Kalmi, Tatar, Usbeki ja Ukraina keele jaoks;\n
Lisatakse mudeleid Euroopa keelte jaoks;\n
Lisatakse mudeleid India keelte jaoks;\n
Lisatakse mudeleid inglise keele jaoks. <\/ul>\n
M\u00f5ned s\u00fcsteemsete probleemidega, mis on Silero s\u00fcnteesile iseloomulikud: <\/p>\n
\n
Erinevalt traditsioonilisematest s\u00fcnteesis\u00fcsteemidest nagu RHVoice, puudub Silero s\u00fcnteesis SAPI integreerimine, kergesti installitavad kliendid ning integratsioonid Windowsi ja Androidi jaoks;\n
Kiirus, kuigi see on sellise lahenduse jaoks enneolematu, v\u00f5ib olla n\u00f5rkade protsessorite puhul k\u00f5rge kvaliteedi reaalajas s\u00fcnteesi jaoks ebapiisav;\n
Automaatse r\u00f5huasetuse lahendus ei t\u00f6\u00f6ta homograafide (nt zAmok ja zamOk) puhul ja teeb endiselt vigu, kuid see puudus on tulevastes versioonides parandamiseks plaanis;\n
Praegune s\u00fcnteesiversioon ei t\u00f6\u00f6ta protsessoritel, kus puuduvad AVX2 k\u00e4sud (v\u00f5i tuleb PyTorch-i seadeid eriliselt kohandada), kuna \u00fcks moodul mudeli sees on kvantiseeritud;\n