{"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\/fr\/blog\/news\/novyj-vypusk-sistemy-sinteza-rechi-silero","title":{"rendered":"Nouvelle version du syst\u00e8me de synth\u00e8se vocale Silero","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Une nouvelle version publique du syst\u00e8me de synth\u00e8se vocale par intelligence artificielle Silero Text-to-Speech est disponible. Le projet vise avant tout \u00e0 cr\u00e9er un syst\u00e8me de synth\u00e8se vocale moderne et de haute qualit\u00e9, rivalisant avec les solutions commerciales des grandes entreprises et accessible \u00e0 tous sans avoir besoin d'un mat\u00e9riel serveur co\u00fbteux. <\/p>\n
Les mod\u00e8les sont distribu\u00e9s sous la licence GNU AGPL, mais l'entreprise qui d\u00e9veloppe le projet ne divulgue pas le m\u00e9canisme d'entra\u00eenement des mod\u00e8les. PyTorch et les frameworks prenant en charge le format ONNX peuvent \u00eatre utilis\u00e9s pour le d\u00e9ploiement. La synth\u00e8se vocale dans Silero repose sur des algorithmes neuronaux profond\u00e9ment modifi\u00e9s et des m\u00e9thodes de traitement num\u00e9rique des signaux. <\/p>\n
Il est \u00e0 noter que le principal probl\u00e8me des solutions neuronales modernes pour la synth\u00e8se vocale est qu'elles sont souvent disponibles uniquement dans le cadre de solutions cloud payantes, tandis que les produits publics ont des exigences \u00e9lev\u00e9es en mati\u00e8re de mat\u00e9riel, une qualit\u00e9 inf\u00e9rieure ou ne sont pas des produits achev\u00e9s et pr\u00eats \u00e0 l'emploi. Par exemple, pour le fonctionnement sans probl\u00e8me de certaines des nouvelles architectures de synth\u00e8se end-to-end populaires, VITS, en mode de synth\u00e8se (c'est-\u00e0-dire pas pour l'entra\u00eenement des mod\u00e8les), des cartes graphiques de plus de 16 Go de VRAM sont requises. <\/p>\n
Malgr\u00e9 la tendance actuelle, les solutions Silero fonctionnent avec succ\u00e8s m\u00eame sur un c\u0153ur de processeur Intel x86 avec des instructions AVX2. Sur 4 c\u0153urs, le synth\u00e9tiseur permet de synth\u00e9tiser entre 30 et 60 secondes par seconde en mode de synth\u00e8se 8 kHz, entre 15 et 20 secondes en mode 24 kHz et environ 10 secondes en mode 48 kHz. <\/p>\n
Les principales caract\u00e9ristiques de la nouvelle version de Silero : <\/p>\n
\n
La taille du mod\u00e8le a \u00e9t\u00e9 r\u00e9duite de moiti\u00e9 \u00e0 50 m\u00e9gaoctets ;\n
Les mod\u00e8les savent faire des pauses ;\n
Quatre voix de haute qualit\u00e9 sont disponibles en russe (et un nombre infini de voix al\u00e9atoires). Exemples de prononciation ;\n
Les mod\u00e8les sont dix fois plus rapides et, par exemple, en mode 24 kHz, permettent de synth\u00e9tiser jusqu'\u00e0 20 secondes d'audio \u00e0 la seconde sur 4 threads de processeur ;\n
Toutes les variantes de voix pour une langue particuli\u00e8re sont regroup\u00e9es dans un seul mod\u00e8le ;\n
Les mod\u00e8les peuvent accepter des paragraphes complets de texte en entr\u00e9e, et les balises SSML sont prises en charge ;\n
La synth\u00e8se fonctionne imm\u00e9diatement \u00e0 trois fr\u00e9quences d'\u00e9chantillonnage au choix : 8, 24 et 48 kilohertz ;\n
Les \u00ab probl\u00e8mes enfantins \u00bb ont \u00e9t\u00e9 r\u00e9solus : instabilit\u00e9 et omission de mots ;\n
Des drapeaux ont \u00e9t\u00e9 ajout\u00e9s pour contr\u00f4ler la mise en place automatique des accents et la pr\u00e9sence de la lettre \u00ab \u0451 \u00bb. <\/ul>\n
Actuellement, pour la toute derni\u00e8re version de synth\u00e8se, 4 voix en russe sont disponibles publiquement, mais dans un avenir proche, la prochaine version sera publi\u00e9e avec les modifications suivantes : <\/p>\n
\n
La vitesse de synth\u00e8se augmentera de 2 \u00e0 4 fois ;\n
Les mod\u00e8les de synth\u00e8se pour les langues de la CEI seront mis \u00e0 jour : kalmouk, tatar, ouzbek et ukrainien ;\n
Des mod\u00e8les pour les langues europ\u00e9ennes seront ajout\u00e9s ;\n
Des mod\u00e8les pour les langues indiennes seront ajout\u00e9s ;\n
Des mod\u00e8les pour la langue anglaise seront ajout\u00e9s. <\/ul>\n
Certains des probl\u00e8mes syst\u00e9miques associ\u00e9s \u00e0 la synth\u00e8se Silero : <\/p>\n
\n
Contrairement aux solutions de synth\u00e8se plus traditionnelles, telles que RHVoice, la synth\u00e8se Silero n'a pas d'int\u00e9gration avec SAPI, de clients faciles \u00e0 installer et d'int\u00e9grations pour Windows et Android ;\n
La vitesse, bien que sans pr\u00e9c\u00e9dent pour ce type de solution, peut \u00eatre insuffisante pour la synth\u00e8se en temps r\u00e9el sur des processeurs faibles avec une haute qualit\u00e9 ;\n
La solution d'automatisation de la prosodie ne traite pas les homographes (mots comme zAmok et zamOk) et commet encore des erreurs, mais cette lacune sera corrig\u00e9e dans de futures versions ;\n
La version actuelle de la synth\u00e8se ne fonctionne pas sur les processeurs sans instructions AVX2 (ou il est n\u00e9cessaire de modifier sp\u00e9cifiquement les param\u00e8tres de PyTorch), car un des modules au sein du mod\u00e8le est quantifi\u00e9 ;\n
La version actuelle de la synth\u00e8se a essentiellement comme seule d\u00e9pendance PyTorch, toute la logique \u00e9tant \u00ab encapsul\u00e9e \u00bb dans le mod\u00e8le et les paquets JIT. Les sources des mod\u00e8les ne sont pas publi\u00e9es, tout comme le code pour ex\u00e9cuter les mod\u00e8les via des clients PyTorch pour d'autres langages ;\n
Libtorch, disponible pour les plateformes mobiles, est beaucoup plus lourd que l'environnement d'ex\u00e9cution ONNX, mais la version ONNX du mod\u00e8le n'est pas encore fournie. <\/ul>\n