रूसी भाषा के लिए विकसित स्पीच सिंथेसाइज़र RHVoice 1.2.4 का विमोचन

ओपन स्पीच सिंथेसिस सिस्टम RHVoice 1.2.4 का विमोचन प्रकाशित किया गया है, जिसे शुरू में रूसी भाषा के लिए उच्च-गुणवत्ता का समर्थन प्रदान करने के लिए विकसित किया गया था, लेकिन फिर अंग्रेजी, पुर्तगाली, यूक्रेनी, किर्गिज़, तातार और जॉर्जियाई सहित अन्य भाषाओं के लिए अनुकूलित किया गया। कोड C++ में लिखा गया है और LGPL 2.1 लाइसेंस के तहत वितरित किया गया है। जीएनयू/लिनक्स, विंडोज़ और एंड्रॉइड पर काम का समर्थन करता है। प्रोग्राम टेक्स्ट को स्पीच में परिवर्तित करने के लिए मानक टीटीएस (टेक्स्ट-टू-स्पीच) इंटरफेस के साथ संगत है: SAPI5 (विंडोज), स्पीच डिस्पैचर (जीएनयू/लिनक्स) और एंड्रॉइड टेक्स्ट-टू-स्पीच एपीआई, लेकिन इसका उपयोग एनवीडीए में भी किया जा सकता है। स्क्रीन रीडर।

कार्यक्रम सांख्यिकीय मॉडल (एचएमएम - हिडन मार्कोव मॉडल पर आधारित सांख्यिकीय पैरामीट्रिक संश्लेषण) के साथ पैरामीट्रिक संश्लेषण विधि का उपयोग करता है। सांख्यिकीय मॉडल का लाभ कम ओवरहेड लागत और कम सीपीयू शक्ति है। सभी ऑपरेशन उपयोगकर्ता के सिस्टम पर स्थानीय रूप से निष्पादित किए जाते हैं। वाक् गुणवत्ता के तीन स्तर समर्थित हैं (गुणवत्ता जितनी कम होगी, प्रदर्शन उतना ही अधिक होगा और प्रतिक्रिया समय उतना ही कम होगा)।

सेटिंग और आवाज बदलने का समर्थन करता है। रूसी भाषा के लिए 9 आवाज विकल्प उपलब्ध हैं, और अंग्रेजी के लिए 5 आवाजें प्राकृतिक भाषण की रिकॉर्डिंग के आधार पर बनाई जाती हैं। सांख्यिकीय मॉडल के उपयोग के कारण, उच्चारण की गुणवत्ता प्राकृतिक भाषण के टुकड़ों के संयोजन के आधार पर भाषण उत्पन्न करने वाले सिंथेसाइज़र के स्तर तक नहीं पहुंचती है, लेकिन फिर भी परिणाम काफी समझदार है और लाउडस्पीकर से रिकॉर्डिंग के प्रसारण जैसा दिखता है। .

सेटिंग्स में आप गति, पिच और वॉल्यूम बदल सकते हैं। गति बदलने के लिए सोनिक लाइब्रेरी का उपयोग किया जा सकता है। इनपुट टेक्स्ट के विश्लेषण के आधार पर भाषाओं का स्वचालित रूप से पता लगाना और स्विच करना संभव है (उदाहरण के लिए, किसी अन्य भाषा के शब्दों और उद्धरणों के लिए, उस भाषा के मूल संश्लेषण मॉडल का उपयोग किया जा सकता है)। वॉयस प्रोफाइल समर्थित हैं, जो विभिन्न भाषाओं के लिए आवाजों के संयोजन को परिभाषित करते हैं।

स्रोत: opennet.ru