Ослободување на синтисајзер за говор RHVoice 1.8.0

Беше издаден отворениот систем за синтеза на говор RHVoice 1.8.0, првично развиен за да обезбеди висококвалитетна поддршка за рускиот јазик, но потоа адаптиран за други јазици, вклучувајќи англиски, португалски, украински, киргистански, татарски и грузиски. Кодот е напишан во C++ и дистрибуиран под лиценцата LGPL 2.1. Поддржува работа на GNU/Linux, Windows и Android. Програмата е компатибилна со стандардните интерфејси TTS (текст во говор) за конвертирање текст во говор: SAPI5 (Windows), Диспечер на говор (GNU/Linux) и Android Text-to-Speech API, но може да се користи и во НВДА читач на екран. Креатор и главен развивач на RHVoice е Олга Јаковлева, која го развива проектот и покрај тоа што е целосно слепа.

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.

Да потсетиме дека RHVoice ги користи развојот на проектот HTS (HMM/DNN-based Speech Synthesis System) и методот на параметарска синтеза со статистички модели (Statistical Parametric Synthesis based on HMM - Hidden Markov Model). Предноста на статистичкиот модел е ниските општи трошоци и непобарувачката моќност на процесорот. Сите операции се вршат локално на системот на корисникот. Поддржани се три нивоа на квалитет на говор (колку е помал квалитетот, толку е поголема изведбата и пократко е времето на реакција).

Негативна страна на статистичкиот модел е релативно нискиот квалитет на изговорот, кој не го достигнува нивото на синтисајзери кои генерираат говор врз основа на комбинација од фрагменти од природен говор, но сепак резултатот е доста читлив и наликува на емитување снимка од звучник. . За споредба, проектот Silero, кој обезбедува отворен мотор за синтеза на говор заснован на технологии за машинско учење и сет на модели за рускиот јазик, е супериорен по квалитет во однос на RHVoice.

Достапни се 14 гласовни опции за рускиот јазик и 6 за англискиот. Гласовите се формираат врз основа на снимки од природен говор. Во поставките можете да ја промените брзината, висината и јачината на звукот. Sonic библиотеката може да се користи за промена на темпото. Можно е автоматско откривање и префрлување јазици врз основа на анализа на влезниот текст (на пример, за зборови и цитати на друг јазик, може да се користи синтезен модел мајчин на тој јазик). Гласовните профили се поддржани, дефинирајќи комбинации на гласови за различни јазици.

Извор: opennet.ru