A Sberbank ökoszisztémájába tartozó CRT Csoport bejelentette egy fejlett beszédszintetizáló platform fejlesztését, amely állítása szerint zökkenőmentességet és kifejeződést biztosít bármilyen szöveg felolvasásában.
A bemutatott megoldás a beszédszintetizáló rendszer harmadik generációja. A kiváló minőségű audiojelet bonyolult neurális modellek generálják. A fejlesztők állítják, hogy ezeknek az algoritmusoknak az eredménye a legrealisztikusabb orosz nyelvű beszédszintézis.
A platform része egy ütemezéselőrejelző modul, amely a még nem szereplő szavakat is képes kezelni. Ezen kívül automatikus javítást is biztosít a tipikus helyesírási hibákra. A mély nyelvi elemzésnek köszönhetően a kiejtés a nyelv szabályainak megfelelően történik még bonyolult esetekben is.
A platform még egy előnye, hogy nem igényel drága szerverek, GPU-t gyorsítókkal felszerelt rendszereket. A technológia kétféle módon használható — felhőszolgáltatáson keresztül vagy a saját megoldásba beépítve.
A fejlesztés lehetséges alkalmazási területei között említik a chatbotokat és hangalapú asszisztenseket, tájékoztató és értesítő szolgáltatásokat, valamint bármilyen szöveg azonnali szintézisinek lehetőségét a telefonbeszélgetések folyamán, stb.
„Automatizált ügyfélkommunikációs forgatókönyvek esetén a technológia lehetővé teszi, hogy minden előfizetővel egyedi módon lépjenek kapcsolatba, mivel nincsenek rögzített üzenetek, és bármilyen szöveg szintetizálható a telefonbeszélgetés során” — mondják a fejlesztők.
A technológia kipróbálható .
Forrás: 3dnews.ru
