{"id":103848,"date":"2022-04-22T15:36:52","date_gmt":"2022-04-22T13:36:52","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/novyj-vypusk-sistemy-sinteza-rechi-silero"},"modified":"2022-04-22T15:36:52","modified_gmt":"2022-04-22T13:36:52","slug":"novyj-vypusk-sistemy-sinteza-rechi-silero","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/novosti-interneta\/novyj-vypusk-sistemy-sinteza-rechi-silero","title":{"rendered":"Nuova versione del sistema di sintesi vocale Silero","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
\u00c8 disponibile un nuovo rilascio pubblico del sistema di sintesi vocale neurale Silero Text-to-Speech. Il progetto \u00e8 principalmente orientato alla creazione di un sistema di sintesi vocale moderno e di alta qualit\u00e0, in grado di competere con le soluzioni commerciali delle grandi aziende, e accessibile a chiunque senza la necessit\u00e0 di costose attrezzature server. <\/p>\n
I modelli sono distribuiti con licenza GNU AGPL, ma l'azienda che sviluppa il progetto non rivela i meccanismi di addestramento dei modelli. \u00c8 possibile utilizzare PyTorch e framework che supportano il formato ONNX per l'esecuzione. La sintesi vocale in Silero si basa sull'uso di algoritmi neurali moderni e modificati e metodi di elaborazione digitale dei segnali. <\/p>\n
Si segnala che il principale problema delle moderne soluzioni di reti neurali per la sintesi vocale \u00e8 che spesso sono disponibili solo come servizi cloud a pagamento, mentre i prodotti pubblici presentano requisiti hardware elevati, qualit\u00e0 inferiore o non sono prodotti completati e pronti per l'uso. Ad esempio, per avviare senza problemi una delle nuove architetture di sintesi end-to-end popolari, VITS, in modalit\u00e0 sintesi (ovvero non per l'addestramento dei modelli) sono necessarie schede grafiche con pi\u00f9 di 16 gigabyte di VRAM. <\/p>\n
Caratteristiche principali della nuova versione di Silero: <\/p>\n
\n
La dimensione del modello \u00e8 stata ridotta della met\u00e0 a 50 megabyte;\n
I modelli possono effettuare pause;\n
Sono disponibili 4 voci di alta qualit\u00e0 in russo (e un numero infinito di casuali). Esempi di pronuncia;\n
I modelli ora sono dieci volte pi\u00f9 veloci e, ad esempio, nella modalit\u00e0 a 24 kHz possono sintetizzare fino a 20 secondi di audio al secondo su 4 thread di CPU;\n
Tutte le varianti vocali per una lingua sono imballate in un unico modello;\n
I modelli possono ricevere interi paragrafi di testo in input, supportano i tag SSML;\n
Attualmente, per la versione pi\u00f9 recente della sintesi, sono disponibili pubblicamente 4 voci in lingua russa, ma nel prossimo futuro sar\u00e0 pubblicata la versione successiva con le seguenti modifiche: <\/p>\n
\n
La velocit\u00e0 di sintesi crescer\u00e0 ulteriormente di 2-4 volte;\n
Saranno aggiornati i modelli di sintesi per le lingue della CSI: Kalmyk, Tataro, Uzbek e Ucraino;\n
Saranno aggiunti modelli per le lingue europee;\n
Saranno aggiunti modelli per le lingue indiane;\n
Saranno aggiunti modelli per la lingua inglese. <\/ul>\n
Alcuni dei problemi sistemici associati alla sintesi Silero: <\/p>\n
\n
A differenza di soluzioni pi\u00f9 tradizionali per la sintesi, come RHVoice, la sintesi Silero non ha integrazione con SAPI, client facili da installare e integrazioni per Windows e Android;\n
La velocit\u00e0, sebbene sia senza precedenti per una tale soluzione, potrebbe non essere sufficiente per la sintesi in tempo reale su processori deboli con alta qualit\u00e0;\n
La soluzione per la contrazione automatica non gestisce gli omografi (parole come zAmok e zamOk) e commette ancora degli errori, ma questa carenza sar\u00e0 corretta nelle future versioni;\n
L'attuale versione della sintesi non funziona su processori privi di istruzioni AVX2 (o \u00e8 necessario modificare specificamente le impostazioni di PyTorch), poich\u00e9 uno dei moduli all'interno del modello \u00e8 quantizzato;\n
Libtorch, disponibile per piattaforme mobili, \u00e8 molto pi\u00f9 ingombrante rispetto a ONNX runtime, ma la versione ONNX del modello non \u00e8 ancora fornita. <\/ul>\n