RHVoice 1.8.0 स्पीच सिंथेसाइज़र रिलीज

ओपन-सोर्स स्पीच सिंथेसिस सिस्टम RHVoice 1.8.0 जारी किया गया है। शुरुआत में इसे रूसी भाषा के लिए उच्च गुणवत्ता वाला समर्थन प्रदान करने के लिए विकसित किया गया था, लेकिन बाद में इसे अंग्रेजी, पुर्तगाली, यूक्रेनी, किर्गिज़, तातार और जॉर्जियाई सहित अन्य भाषाओं के लिए भी अनुकूलित किया गया। इसका कोड C++ में लिखा गया है और इसे LGPL 2.1 लाइसेंस के तहत वितरित किया गया है। GNU/Linux का समर्थन भी उपलब्ध है।Linux, Windows и Androidयह प्रोग्राम टेक्स्ट को स्पीच में बदलने के लिए विशिष्ट टीटीएस (टेक्स्ट-टू-स्पीच) इंटरफेस के साथ संगत है: SAPI5 (Windows), स्पीच डिस्पैचर (जीएनयू/Linux) और Android यह टेक्स्ट-टू-स्पीच एपीआई का उपयोग करता है, लेकिन इसे एनवीडीए स्क्रीन रीडर के साथ भी इस्तेमाल किया जा सकता है। आरएचवॉइस की निर्माता और मुख्य डेवलपर ओल्गा याकोवलेवा हैं, जो पूरी तरह से दृष्टिहीन होने के बावजूद इस प्रोजेक्ट को विकसित करना जारी रखे हुए हैं।

प्लेटफ़ॉर्म के लिए संस्करण 1.8 में Android एक नया वॉइस और लैंग्वेज डेटा मैनेजमेंट सिस्टम पेश किया गया है, जिससे मोबाइल ऐप को अपडेट किए बिना वॉइस डेटा अपडेट डाउनलोड किए जा सकते हैं। नए जोड़े गए वॉइस और भाषाओं के अपडेट की जाँच स्वचालित रूप से की जाती है। इसके अलावा, नए रिलीज़ में पोलिश भाषा का सपोर्ट और एक नया मैसेडोनियन वॉइस जोड़ा गया है। NVDA स्क्रीन रीडर के नवीनतम अल्फा और बीटा रिलीज़ के साथ संगतता सुनिश्चित की गई है। प्लेटफ़ॉर्म बिल्ड संबंधी समस्याओं का समाधान कर दिया गया है। Linuxयह घटना तब घटी जब कोई स्पीच डिस्पैचर मौजूद नहीं था।

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 14 और अंग्रेजी के लिए 6 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