ਰੂਸੀ ਭਾਸ਼ਾ ਲਈ ਵਿਕਸਿਤ ਕੀਤੇ ਗਏ RHVoice 1.2.4 ਸਪੀਚ ਸਿੰਥੇਸਾਈਜ਼ਰ ਦੀ ਰਿਲੀਜ਼

ਓਪਨ ਸਪੀਚ ਸਿੰਥੇਸਿਸ ਸਿਸਟਮ RHVoice 1.2.4 ਦੀ ਰਿਲੀਜ਼ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀ ਗਈ ਹੈ, ਸ਼ੁਰੂ ਵਿੱਚ ਰੂਸੀ ਭਾਸ਼ਾ ਲਈ ਉੱਚ-ਗੁਣਵੱਤਾ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਵਿਕਸਤ ਕੀਤੀ ਗਈ ਸੀ, ਪਰ ਫਿਰ ਅੰਗਰੇਜ਼ੀ, ਪੁਰਤਗਾਲੀ, ਯੂਕਰੇਨੀ, ਕਿਰਗਿਜ਼, ਤਾਤਾਰ ਅਤੇ ਜਾਰਜੀਅਨ ਸਮੇਤ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਲਈ ਅਨੁਕੂਲਿਤ ਕੀਤੀ ਗਈ ਸੀ। ਕੋਡ C++ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ ਅਤੇ LGPL 2.1 ਲਾਇਸੰਸ ਦੇ ਅਧੀਨ ਵੰਡਿਆ ਗਿਆ ਹੈ। GNU/Linux, Windows ਅਤੇ Android 'ਤੇ ਕੰਮ ਕਰਨ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। ਇਹ ਪ੍ਰੋਗਰਾਮ ਟੈਕਸਟ ਨੂੰ ਸਪੀਚ ਵਿੱਚ ਬਦਲਣ ਲਈ ਸਟੈਂਡਰਡ TTS (ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ) ਇੰਟਰਫੇਸਾਂ ਦੇ ਅਨੁਕੂਲ ਹੈ: SAPI5 (ਵਿੰਡੋਜ਼), ਸਪੀਚ ਡਿਸਪੈਚਰ (GNU/Linux) ਅਤੇ Android ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ API, ਪਰ NVDA ਵਿੱਚ ਵੀ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਸਕਰੀਨ ਰੀਡਰ.

ਪ੍ਰੋਗਰਾਮ ਸਟੈਟਿਸਟੀਕਲ ਮਾਡਲਾਂ ਦੇ ਨਾਲ ਪੈਰਾਮੈਟ੍ਰਿਕ ਸਿੰਥੇਸਿਸ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ (HMM - ਲੁਕਵੇਂ ਮਾਰਕੋਵ ਮਾਡਲ 'ਤੇ ਅਧਾਰਤ ਸਟੈਟਿਸਟੀਕਲ ਪੈਰਾਮੈਟ੍ਰਿਕ ਸਿੰਥੇਸਿਸ)। ਅੰਕੜਾ ਮਾਡਲ ਦਾ ਫਾਇਦਾ ਘੱਟ ਓਵਰਹੈੱਡ ਲਾਗਤਾਂ ਅਤੇ CPU ਪਾਵਰ ਦੀ ਘੱਟ ਮੰਗ ਹੈ। ਸਾਰੇ ਓਪਰੇਸ਼ਨ ਉਪਭੋਗਤਾ ਦੇ ਸਿਸਟਮ 'ਤੇ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਸਪੀਚ ਕੁਆਲਿਟੀ ਦੇ ਤਿੰਨ ਪੱਧਰ ਸਮਰਥਿਤ ਹਨ (ਗੁਣਵੱਤਾ ਜਿੰਨੀ ਘੱਟ ਹੋਵੇਗੀ, ਪ੍ਰਦਰਸ਼ਨ ਉੱਚਾ ਹੋਵੇਗਾ ਅਤੇ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦਾ ਸਮਾਂ ਘੱਟ ਹੋਵੇਗਾ)।

ਸੈਟਿੰਗਾਂ ਅਤੇ ਆਵਾਜ਼ਾਂ ਨੂੰ ਬਦਲਣ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ. ਰੂਸੀ ਭਾਸ਼ਾ ਲਈ 9 ਆਵਾਜ਼ ਵਿਕਲਪ ਉਪਲਬਧ ਹਨ, ਅਤੇ ਅੰਗਰੇਜ਼ੀ ਲਈ 5। ਆਵਾਜ਼ਾਂ ਕੁਦਰਤੀ ਭਾਸ਼ਣ ਦੀ ਰਿਕਾਰਡਿੰਗ ਦੇ ਆਧਾਰ 'ਤੇ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਇੱਕ ਅੰਕੜਾ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਦੇ ਕਾਰਨ, ਉਚਾਰਨ ਦੀ ਗੁਣਵੱਤਾ ਸਿੰਥੇਸਾਈਜ਼ਰਾਂ ਦੇ ਪੱਧਰ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚਦੀ ਹੈ ਜੋ ਕੁਦਰਤੀ ਭਾਸ਼ਣ ਦੇ ਟੁਕੜਿਆਂ ਦੇ ਸੁਮੇਲ ਦੇ ਅਧਾਰ ਤੇ ਭਾਸ਼ਣ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਪਰ ਇਸਦੇ ਬਾਵਜੂਦ ਨਤੀਜਾ ਕਾਫ਼ੀ ਸਮਝਦਾਰ ਹੈ ਅਤੇ ਇੱਕ ਲਾਊਡਸਪੀਕਰ ਤੋਂ ਰਿਕਾਰਡਿੰਗ ਦੇ ਪ੍ਰਸਾਰਣ ਵਰਗਾ ਹੈ। .

ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਤੁਸੀਂ ਸਪੀਡ, ਪਿੱਚ ਅਤੇ ਵਾਲੀਅਮ ਬਦਲ ਸਕਦੇ ਹੋ। ਟੈਂਪੋ ਨੂੰ ਬਦਲਣ ਲਈ ਸੋਨਿਕ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਨਪੁਟ ਟੈਕਸਟ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਆਧਾਰ 'ਤੇ ਭਾਸ਼ਾਵਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਖੋਜਣਾ ਅਤੇ ਬਦਲਣਾ ਸੰਭਵ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਕਿਸੇ ਹੋਰ ਭਾਸ਼ਾ ਵਿੱਚ ਸ਼ਬਦਾਂ ਅਤੇ ਹਵਾਲਿਆਂ ਲਈ, ਉਸ ਭਾਸ਼ਾ ਦੇ ਮੂਲ ਸੰਸਲੇਸ਼ਣ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ)। ਵੌਇਸ ਪ੍ਰੋਫਾਈਲ ਸਮਰਥਿਤ ਹਨ, ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਲਈ ਅਵਾਜ਼ਾਂ ਦੇ ਸੁਮੇਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹੋਏ।

ਸਰੋਤ: opennet.ru