न्यूरल नेटवर्कहरूले रूसी वाणी संश्लेषणको गुणस्तरलाई नयाँ स्तरमा ल्याएको छ

कम्पनीहरूको MDG समूह, Sberbank इकोसिस्टमको भाग, एक उन्नत भाषण संश्लेषण प्लेटफर्मको विकासको घोषणा गर्‍यो, जुन कुनै पनि पाठको सहज र अभिव्यक्त पठन सुनिश्चित गर्न भनिन्छ।

प्रस्तुत समाधान भाषण संश्लेषण प्रणाली को तेस्रो पुस्ता हो। उच्च-गुणस्तरको अडियो संकेतहरू जटिल न्यूरल नेटवर्क मोडेलहरूद्वारा उत्पन्न हुन्छन्। विकासकर्ताहरूले दावी गर्छन् कि यी एल्गोरिदमहरूको परिणाम रूसी भाषाको भाषणको सबैभन्दा यथार्थवादी संश्लेषण हो।

प्लेटफर्मले आधारभूत शब्दकोशमा नभएका शब्दहरूमा तनावको भविष्यवाणी गर्ने मोड्युल समावेश गर्दछ। थप रूपमा, सामान्य हिज्जे त्रुटिहरूको स्वचालित सुधार प्रदान गरिएको छ। पाठको गहिरो भाषिक विश्लेषणको लागि धन्यवाद, उच्चारण कठिन अवस्थामा पनि भाषाको मापदण्ड अनुरूप हुनेछ।

प्लेटफर्मको अर्को फाइदा यो हो कि यसलाई GPU एक्सेलेटरहरूसँग सुसज्जित महँगो सर्भरहरू आवश्यक पर्दैन। तपाइँ टेक्नोलोजीलाई दुई तरिकामा प्रयोग गर्न सक्नुहुन्छ: क्लाउड सेवा मार्फत वा यसलाई तपाइँको आफ्नै समाधानमा एकीकृत गरेर।

विकासको अनुप्रयोगको सम्भावित क्षेत्रहरू मध्ये च्याटबटहरू र भ्वाइस सहायकहरू, सूचना र सूचना सेवाहरू, कलको समयमा कुनै पनि पाठको तत्काल संश्लेषणको साथ भ्वाइस सेवाहरू, आदि हुन्।

"ग्राहकहरूसँग सञ्चारको स्वचालित परिदृश्यहरूमा, टेक्नोलोजीले तपाईंलाई प्रत्येक ग्राहकसँग व्यक्तिगत रूपमा अन्तरक्रिया गर्न अनुमति दिन्छ, किनकि त्यहाँ कुनै निश्चित सन्देशहरू छैनन्, र कुनै पनि पाठ कलको समयमा संश्लेषित गर्न सकिन्छ," विकासकर्ताहरू भन्छन्।

तपाईं प्रविधि प्रयास गर्न सक्नुहुन्छ यहाँ. 

स्रोत: 3dnews.ru