Lanzouse o sistema de síntese de voz aberto RHVoice 1.6.0, desenvolvido inicialmente para ofrecer soporte de alta calidade para o idioma ruso, pero logo 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. A creadora e desenvolvedora principal de RHVoice é Olga Yakovleva, que desenvolve o proxecto a pesar de estar completamente cega.
В новой версии добавлено 5 новых вариантов голосов для русской речи. Реализована поддержка албанского языка. Обновлён словарь для украинского языка. Расширена поддержка озвучивания символов emoji. Проведена работа по устранению ошибок в приложении для платформы Android, упрощён импорт пользовательских словарей, а также добавлена поддержка платформы Android 11. В ядро движка добавлены новые настройки и функциональные возможности, включая g2p.case, word_break и поддержку фильтров эквализации.
Lembremos que RHVoice utiliza os desenvolvementos do proxecto HTS (Sistema de síntese da fala baseado en HMM/DNN) e 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).
A desvantaxe do modelo estatístico é a relativamente baixa calidade da pronuncia, que 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 lexible e aseméllase á emisión dunha gravación desde un altofalante. . A modo de comparación, o proxecto Silero, que proporciona un motor de síntese de voz aberto baseado en tecnoloxías de aprendizaxe automática e un conxunto de modelos para a lingua rusa, é superior en calidade a RHVoice.
Hai 13 opcións de voz dispoñibles para o idioma ruso e 5 para o inglés. As voces fórmanse a partir de gravacións de fala natural. 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