RHVoice 1.6.0 സ്പീച്ച് സിന്തസൈസർ പുറത്തിറങ്ങി

ഓപ്പൺ സ്പീച്ച് സിന്തസിസ് സിസ്റ്റം RHVoice 1.6.0 പുറത്തിറങ്ങി, തുടക്കത്തിൽ റഷ്യൻ ഭാഷയ്ക്ക് ഉയർന്ന നിലവാരമുള്ള പിന്തുണ നൽകുന്നതിനായി വികസിപ്പിച്ചെടുത്തു, എന്നാൽ പിന്നീട് ഇംഗ്ലീഷ്, പോർച്ചുഗീസ്, ഉക്രേനിയൻ, കിർഗിസ്, ടാറ്റർ, ജോർജിയൻ എന്നിവയുൾപ്പെടെയുള്ള മറ്റ് ഭാഷകൾക്കായി ഇത് സ്വീകരിച്ചു. കോഡ് C++ ൽ എഴുതുകയും LGPL 2.1 ലൈസൻസിന് കീഴിൽ വിതരണം ചെയ്യുകയും ചെയ്യുന്നു. ഗ്നു/ലിനക്സ്, വിൻഡോസ്, ആൻഡ്രോയിഡ് എന്നിവയിലെ പ്രവർത്തനത്തെ പിന്തുണയ്ക്കുന്നു. വാചകം സംഭാഷണത്തിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിനുള്ള സ്റ്റാൻഡേർഡ് TTS (ടെക്‌സ്‌റ്റ്-ടു-സ്പീച്ച്) ഇന്റർഫേസുകളുമായി പ്രോഗ്രാം പൊരുത്തപ്പെടുന്നു: SAPI5 (Windows), സ്‌പീച്ച് ഡിസ്‌പാച്ചർ (GNU/Linux), Android ടെക്‌സ്‌റ്റ്-ടു-സ്‌പീച്ച് API, എന്നാൽ NVDA-യിലും ഉപയോഗിക്കാം. സ്ക്രീൻ റീഡർ. RHVoice-ന്റെ സ്രഷ്ടാവും പ്രധാന ഡെവലപ്പറും ഓൾഗ യാക്കോവ്ലേവയാണ്, പൂർണ്ണമായും അന്ധനായിരുന്നിട്ടും പദ്ധതി വികസിപ്പിക്കുന്നു.

В новой версии добавлено 5 новых вариантов голосов для русской речи. Реализована поддержка албанского языка. Обновлён словарь для украинского языка. Расширена поддержка озвучивания символов emoji. Проведена работа по устранению ошибок в приложении для платформы Android, упрощён импорт пользовательских словарей, а также добавлена поддержка платформы Android 11. В ядро движка добавлены новые настройки и функциональные возможности, включая g2p.case, word_break и поддержку фильтров эквализации.

RHVoice, HTS പ്രോജക്റ്റിന്റെ (HMM/DNN-അധിഷ്ഠിത സ്പീച്ച് സിന്തസിസ് സിസ്റ്റം) വികസനങ്ങളും സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലുകളുള്ള പാരാമെട്രിക് സിന്തസിസ് രീതിയും (HMM-നെ അടിസ്ഥാനമാക്കിയുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ പാരാമെട്രിക് സിന്തസിസ് - ഹിഡൻ മാർക്കോവ് മോഡൽ) ഉപയോഗിക്കുന്നത് നമുക്ക് ഓർക്കാം. സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിന്റെ പ്രയോജനം കുറഞ്ഞ ഓവർഹെഡ് ചെലവുകളും ആവശ്യപ്പെടാത്ത സിപിയു പവറുമാണ്. എല്ലാ പ്രവർത്തനങ്ങളും ഉപയോക്താവിന്റെ സിസ്റ്റത്തിൽ പ്രാദേശികമായി നടപ്പിലാക്കുന്നു. സംഭാഷണ നിലവാരത്തിന്റെ മൂന്ന് തലങ്ങളെ പിന്തുണയ്ക്കുന്നു (താഴ്ന്ന നിലവാരം, ഉയർന്ന പ്രകടനം, പ്രതികരണ സമയം കുറയുന്നു).

സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിന്റെ പോരായ്മ ഉച്ചാരണത്തിന്റെ താരതമ്യേന കുറഞ്ഞ നിലവാരമാണ്, ഇത് സ്വാഭാവിക സംഭാഷണ ശകലങ്ങളുടെ സംയോജനത്തെ അടിസ്ഥാനമാക്കി സംഭാഷണം സൃഷ്ടിക്കുന്ന സിന്തസൈസറുകളുടെ തലത്തിൽ എത്തില്ല, എന്നിരുന്നാലും ഫലം വളരെ വ്യക്തവും ഉച്ചഭാഷിണിയിൽ നിന്നുള്ള റെക്കോർഡിംഗ് പ്രക്ഷേപണം ചെയ്യുന്നതുമായി സാമ്യമുള്ളതുമാണ്. . താരതമ്യത്തിന്, മെഷീൻ ലേണിംഗ് ടെക്നോളജികളെ അടിസ്ഥാനമാക്കി ഒരു ഓപ്പൺ സ്പീച്ച് സിന്തസിസ് എഞ്ചിനും റഷ്യൻ ഭാഷയ്ക്കുള്ള ഒരു കൂട്ടം മോഡലുകളും നൽകുന്ന സിലേറോ പ്രോജക്റ്റ് ഗുണനിലവാരത്തിൽ RHVoice നെക്കാൾ മികച്ചതാണ്.

റഷ്യൻ ഭാഷയ്‌ക്ക് 13 വോയ്‌സ് ഓപ്‌ഷനുകളും ഇംഗ്ലീഷിന് 5 വോയ്‌സ് ഓപ്‌ഷനുകളും ലഭ്യമാണ്. സ്വാഭാവിക സംഭാഷണത്തിന്റെ റെക്കോർഡിംഗുകളെ അടിസ്ഥാനമാക്കിയാണ് ശബ്ദങ്ങൾ രൂപപ്പെടുന്നത്. ക്രമീകരണങ്ങളിൽ നിങ്ങൾക്ക് വേഗത, പിച്ച്, വോളിയം എന്നിവ മാറ്റാനാകും. ടെമ്പോ മാറ്റാൻ സോണിക് ലൈബ്രറി ഉപയോഗിക്കാം. ഇൻപുട്ട് ടെക്‌സ്‌റ്റിന്റെ വിശകലനത്തെ അടിസ്ഥാനമാക്കി ഭാഷകൾ സ്വയമേവ കണ്ടെത്താനും മാറാനും സാധിക്കും (ഉദാഹരണത്തിന്, മറ്റൊരു ഭാഷയിലെ വാക്കുകൾക്കും ഉദ്ധരണികൾക്കും, ആ ഭാഷയിലേക്കുള്ള ഒരു സിന്തസിസ് മോഡൽ ഉപയോഗിക്കാം). വോയ്‌സ് പ്രൊഫൈലുകൾ പിന്തുണയ്‌ക്കുന്നു, വിവിധ ഭാഷകൾക്കുള്ള ശബ്‌ദങ്ങളുടെ സംയോജനം നിർവചിക്കുന്നു.

അവലംബം: opennet.ru