ການປ່ອຍຕົວສັງເຄາະສຽງເວົ້າ RHVoice 1.8.0

ລະບົບການສັງເຄາະສຽງເວົ້າຂອງແຫຼ່ງເປີດ RHVoice 1.8.0 ໄດ້ຖືກປ່ອຍອອກມາ, ໃນເບື້ອງຕົ້ນໄດ້ຖືກພັດທະນາເພື່ອສະຫນອງການສະຫນັບສະຫນູນທີ່ມີຄຸນນະພາບສູງສໍາລັບພາສາລັດເຊຍ, ແຕ່ຫຼັງຈາກນັ້ນຖືກດັດແປງເປັນພາສາອື່ນໆ, ລວມທັງພາສາອັງກິດ, ປອກຕຸຍການ, ອູແກຣນ, Kyrgyz, Tatar ແລະ Georgian. ລະຫັດຖືກຂຽນໄວ້ໃນ C++ ແລະແຈກຢາຍພາຍໃຕ້ໃບອະນຸຍາດ LGPL 2.1. ການເຮັດວຽກແມ່ນຮອງຮັບໃນ GNU/Linux, Windows ແລະ Android. ໂຄງ​ການ​ນີ້​ແມ່ນ​ເຫມາະ​ສົມ​ກັບ​ການ​ໂຕ້​ຕອບ TTS (ຕົວ​ອັກ​ສອນ​ເປັນ​ການ​ປາກ​ເວົ້າ​) ປົກ​ກະ​ຕິ​ສໍາ​ລັບ​ການ​ຂໍ້​ຄວາມ​ເປັນ​ການ​ປາກ​ເວົ້າ​: SAPI5 (Windows​)​, Speech Dispatcher (GNU/Linux​) ແລະ Android Text-To-Speech API​, ແຕ່​ຍັງ​ສາ​ມາດ​ນໍາ​ໃຊ້​ໃນ​. ເຄື່ອງອ່ານຫນ້າຈໍ NVDA. ຜູ້ສ້າງແລະຜູ້ພັດທະນາຕົ້ນຕໍຂອງ RHVoice ແມ່ນ Olga Yakovleva, ຜູ້ທີ່ພັດທະນາໂຄງການເຖິງວ່າຈະມີຕາບອດຫມົດ.

В версии 1.8 для платформы Android предложена новая система управления голосовыми и языковыми данными, позволяющая загружать обновления голосовых данных без обновления мобильного приложения. Проверка появления обновлений данных для добавленных голосов и языков производится автоматически. Кроме того, в новом выпуске реализована поддержка польского языка и добавлен новый голос для македонского языка. Обеспечена совместимость со свежими альфа- и бета-выпусками экранного ридера NVDA. Устранены проблемы со сборкой на платформе Linux, возникавшие при отсутствии Speech Dispatcher.

ຈື່ໄວ້ວ່າ RHVoice ໃຊ້ການພັດທະນາຂອງໂຄງການ HTS (HMM / DNN-based Speech Synthesis System) ແລະວິທີການສັງເຄາະ parametric ກັບຕົວແບບສະຖິຕິ (Statistical Parametric Synthesis ອີງຕາມ HMM - Hidden Markov Model). ຂໍ້ໄດ້ປຽບຂອງຕົວແບບສະຖິຕິແມ່ນການໃຊ້ຈ່າຍເກີນຕໍ່າ ແລະພະລັງງານ CPU ທີ່ບໍ່ຕ້ອງການ. ການດໍາເນີນງານທັງຫມົດແມ່ນດໍາເນີນຢູ່ໃນທ້ອງຖິ່ນໃນລະບົບຂອງຜູ້ໃຊ້. XNUMX ລະດັບຂອງຄຸນນະພາບການປາກເວົ້າໄດ້ຮັບການສະຫນັບສະຫນູນ (ຄຸນນະພາບຕ່ໍາ, ປະສິດທິພາບສູງແລະເວລາຕອບສະຫນອງສັ້ນ).

ຂໍ້ເສຍຂອງຕົວແບບສະຖິຕິແມ່ນຄຸນນະພາບການອອກສຽງທີ່ຂ້ອນຂ້າງຕໍ່າ, ເຊິ່ງບໍ່ເຖິງລະດັບຂອງ synthesizers ທີ່ສ້າງສຽງເວົ້າໂດຍອີງໃສ່ການປະສົມປະສານຂອງຊິ້ນສ່ວນຂອງຄໍາເວົ້າທໍາມະຊາດ, ແຕ່ຢ່າງໃດກໍ່ຕາມຜົນໄດ້ຮັບແມ່ນຂ້ອນຂ້າງຊັດເຈນແລະຄ້າຍຄືກັບການບັນທຶກການອອກອາກາດຈາກລໍາໂພງ. . ໃນການປຽບທຽບ, ໂຄງການ Silero, ເຊິ່ງສະຫນອງເຄື່ອງຈັກເປີດສໍາລັບການສັງເຄາະສຽງເວົ້າໂດຍອີງໃສ່ເຕັກໂນໂລຢີການຮຽນຮູ້ເຄື່ອງຈັກແລະຊຸດຂອງແບບຈໍາລອງສໍາລັບພາສາລັດເຊຍ, ເກີນ RHVoice ໃນຄຸນນະພາບ.

ສໍາລັບພາສາລັດເຊຍ, 14 ທາງເລືອກສຽງສາມາດໃຊ້ໄດ້, ສໍາລັບພາສາອັງກິດ - 6. ສຽງໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນໂດຍອີງໃສ່ການບັນທຶກສຽງເວົ້າທໍາມະຊາດ. ໃນການຕັ້ງຄ່າທ່ານສາມາດປ່ຽນຄວາມໄວ, pitch ແລະລະດັບສຽງ. ຫ້ອງສະຫມຸດ Sonic ສາມາດຖືກນໍາໃຊ້ເພື່ອປ່ຽນ tempo ໄດ້. ມັນເປັນໄປໄດ້ທີ່ຈະກວດຫາແລະປ່ຽນພາສາໂດຍອັດຕະໂນມັດໂດຍອີງໃສ່ການວິເຄາະຂໍ້ຄວາມທີ່ປ້ອນເຂົ້າ (ຕົວຢ່າງ, ສໍາລັບຄໍາສັບຕ່າງໆແລະຄໍາເວົ້າໃນພາສາອື່ນ, ຮູບແບບການສັງເຄາະພື້ນເມືອງສໍາລັບພາສານີ້ສາມາດຖືກນໍາໃຊ້). ໂປຣໄຟລສຽງແມ່ນຮອງຮັບທີ່ກຳນົດການປະສົມຂອງສຽງສຳລັບພາສາຕ່າງໆ.

ແຫຼ່ງຂໍ້ມູນ: opennet.ru