स्पीच सिन्थेसाइजर RHVoice 1.2.4 को रिलीज, रूसी भाषा को लागी विकसित

खुला भाषण संश्लेषण प्रणाली RHVoice 1.2.4 को रिलीज प्रकाशित गरिएको छ, सुरुमा रूसी भाषाको लागि उच्च-गुणस्तर समर्थन प्रदान गर्न विकसित गरिएको थियो, तर त्यसपछि अंग्रेजी, पोर्चुगिज, युक्रेनी, किर्गिज, टाटार र जर्जियाली लगायत अन्य भाषाहरूको लागि अनुकूलित गरियो। कोड C++ मा लेखिएको छ र LGPL 2.1 लाइसेन्स अन्तर्गत वितरण गरिएको छ। GNU/Linux, Windows र Android मा काम गर्न समर्थन गर्दछ। यो कार्यक्रम पाठलाई भाषणमा रूपान्तरण गर्नको लागि मानक TTS (टेक्स्ट-टू-स्पीच) इन्टरफेसहरूसँग उपयुक्त छ: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) र Android Text-to-Speech API, तर NVDA मा पनि प्रयोग गर्न सकिन्छ। स्क्रिन रिडर।

कार्यक्रमले सांख्यिकीय मोडेलहरू (HMM - हिडन मार्कोभ मोडेलमा आधारित सांख्यिकीय प्यारामेट्रिक संश्लेषण) को साथ प्यारामेट्रिक संश्लेषण विधि प्रयोग गर्दछ। सांख्यिकीय मोडेलको फाइदा कम ओभरहेड लागत र अनावश्यक CPU शक्ति हो। सबै कार्यहरू स्थानीय रूपमा प्रयोगकर्ताको प्रणालीमा गरिन्छ। वाक् गुणस्तरको तीन स्तरहरू समर्थित छन् (जति कम गुणस्तर, उच्च प्रदर्शन र छोटो प्रतिक्रिया समय)।

सेटिङ र आवाज परिवर्तन समर्थन गर्दछ। त्यहाँ रूसी भाषाको लागि 9 आवाज विकल्पहरू उपलब्ध छन्, र अंग्रेजीको लागि 5 आवाजहरू प्राकृतिक भाषणको रेकर्डिङमा आधारित छन्। सांख्यिकीय मोडेलको प्रयोगको कारण, उच्चारणको गुणस्तर सिन्थेसाइजरहरूको स्तरमा पुग्दैन जसले प्राकृतिक वाणीको टुक्राहरूको संयोजनमा आधारित भाषण उत्पन्न गर्दछ, तर जे होस्, नतिजा धेरै सुगम छ र लाउडस्पीकरबाट रेकर्डिङको प्रसारण जस्तो देखिन्छ। ।

सेटिङहरूमा तपाईं गति, पिच र भोल्युम परिवर्तन गर्न सक्नुहुन्छ। ध्वनि पुस्तकालय टेम्पो परिवर्तन गर्न प्रयोग गर्न सकिन्छ। इनपुट पाठको विश्लेषणमा आधारित भाषाहरू स्वचालित रूपमा पत्ता लगाउन र स्विच गर्न सम्भव छ (उदाहरणका लागि, अर्को भाषामा शब्दहरू र उद्धरणहरूका लागि, त्यो भाषाको मूल संश्लेषण मोडेल प्रयोग गर्न सकिन्छ)। भ्वाइस प्रोफाइलहरू समर्थित छन्, विभिन्न भाषाहरूको लागि आवाजहरूको संयोजन परिभाषित गर्दै।

स्रोत: opennet.ru