RHVoice 1.6.0 स्पीच सिंथेसाइज़र रिलीज

ओपन स्पीच सिंथेसिस सिस्टम RHVoice 1.6.0 जारी किया गया था, जिसे शुरू में रूसी भाषा के लिए उच्च गुणवत्ता वाला 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 बदलने 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। RHVoice की निर्माता और मुख्य विकासकर्ता ओल्गा याकोवलेवा हैं, जो पूरी तरह से दृष्टिहीन होने के बावजूद इस परियोजना को विकसित करती हैं।

नया संस्करण रूसी भाषण के लिए 5 नए आवाज विकल्प जोड़ता है। अल्बानियाई भाषा समर्थन लागू किया गया है. यूक्रेनी भाषा का शब्दकोश अद्यतन किया गया है। इमोजी पात्रों के ध्वनि अभिनय के लिए समर्थन का विस्तार किया गया है। एंड्रॉइड प्लेटफ़ॉर्म के लिए एप्लिकेशन में त्रुटियों को खत्म करने के लिए काम किया गया है, कस्टम शब्दकोशों के आयात को सरल बनाया गया है, और एंड्रॉइड 11 प्लेटफ़ॉर्म के लिए समर्थन जोड़ा गया है। जी2पी सहित इंजन कोर में नई सेटिंग्स और कार्यक्षमता जोड़ी गई हैं। केस, वर्ड_ब्रेक और इक्वलाइज़ेशन फ़िल्टर के लिए समर्थन।

आइए याद रखें कि RHVoice HTS प्रोजेक्ट (HMM/DNN-आधारित स्पीच सिंथेसिस सिस्टम) के विकास और सांख्यिकीय मॉडल (HMM - हिडन मार्कोव मॉडल पर आधारित सांख्यिकीय पैरामीट्रिक सिंथेसिस) 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)।

सांख्यिकीय मॉडल का नकारात्मक पक्ष उच्चारण की अपेक्षाकृत कम गुणवत्ता है, जो प्राकृतिक भाषण के टुकड़ों के संयोजन के आधार पर भाषण उत्पन्न करने वाले सिंथेसाइज़र के स्तर तक नहीं पहुंचता है, लेकिन फिर भी परिणाम काफी सुपाठ्य है और लाउडस्पीकर से रिकॉर्डिंग प्रसारित करने जैसा दिखता है। . तुलना के लिए, सिलेरो परियोजना, जो मशीन लर्निंग प्रौद्योगिकियों पर आधारित एक खुला भाषण संश्लेषण इंजन और रूसी भाषा के लिए मॉडलों का एक सेट प्रदान करती है, गुणवत्ता में RHVoice से बेहतर है।

रूसी भाषा के लिए 13 और अंग्रेजी के लिए 5 आवाज विकल्प उपलब्ध हैं। आवाजें प्राकृतिक भाषण की रिकॉर्डिंग के आधार पर बनाई जाती हैं। 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