Lanzamento do sintetizador de voz RHVoice 1.2.4, desenvolvido para a lingua rusa

Publicouse o lanzamento do sistema de síntese de voz aberto RHVoice 1.2.4, desenvolvido inicialmente para ofrecer soporte de alta calidade para a lingua rusa, pero despois adaptado para outros idiomas, incluíndo inglés, portugués, ucraíno, quirguiso, tártaro e xeorxiano. O código está escrito en C++ e distribúese baixo a licenza LGPL 2.1. Admite traballos en GNU/Linux, Windows e Android. O programa é compatible coas interfaces estándar TTS (text-to-speech) para converter texto en voz: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) e Android Text-to-Speech API, pero tamén se pode usar no NVDA lector de pantalla.

O programa usa o método de síntese paramétrica con modelos estatísticos (Sintesis paramétrica estatística baseada en HMM - Hidden Markov Model). A vantaxe do modelo estatístico son os baixos custos xerais e a pouca potencia da CPU. Todas as operacións realízanse localmente no sistema do usuario. Admítense tres niveis de calidade da voz (canto menor sexa a calidade, maior será o rendemento e menor será o tempo de reacción).

Admite configurar e cambiar voces. Hai 9 opcións de voz dispoñibles para o idioma ruso e 5 para o inglés. As voces fórmanse a partir de gravacións de fala natural. Debido ao uso dun modelo estatístico, a calidade da pronuncia non alcanza o nivel de sintetizadores que xeran fala a partir dunha combinación de fragmentos de fala natural, pero con todo o resultado é bastante intelixible e aseméllase a unha emisión dunha gravación desde un altofalante. .

Na configuración pode cambiar a velocidade, o ton e o volume. A biblioteca de Sonic pódese usar para cambiar o tempo. É posible detectar e cambiar de idioma automaticamente en función da análise do texto introducido (por exemplo, para palabras e citas noutro idioma, pódese utilizar un modelo de síntese nativo dese idioma). Admítense os perfís de voz, que definen combinacións de voces para diferentes idiomas.

Fonte: opennet.ru

Engadir un comentario