RHVoice 1.8.0 ਸਪੀਚ ਸਿੰਥੇਸਾਈਜ਼ਰ ਰਿਲੀਜ਼

ਓਪਨ ਸਪੀਚ ਸਿੰਥੇਸਿਸ ਸਿਸਟਮ RHVoice 1.8.0 ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਸੀ, ਸ਼ੁਰੂ ਵਿੱਚ ਰੂਸੀ ਭਾਸ਼ਾ ਲਈ ਉੱਚ-ਗੁਣਵੱਤਾ ਸਹਾਇਤਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਪਰ ਫਿਰ ਅੰਗਰੇਜ਼ੀ, ਪੁਰਤਗਾਲੀ, ਯੂਕਰੇਨੀ, ਕਿਰਗਿਜ਼, ਤਾਤਾਰ ਅਤੇ ਜਾਰਜੀਅਨ ਸਮੇਤ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਲਈ ਅਨੁਕੂਲਿਤ ਕੀਤਾ ਗਿਆ 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. RHVoice ਦੀ ਸਿਰਜਣਹਾਰ ਅਤੇ ਮੁੱਖ ਡਿਵੈਲਪਰ ਓਲਗਾ ਯਾਕੋਵਲੇਵਾ ਹੈ, ਜੋ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅੰਨ੍ਹੇ ਹੋਣ ਦੇ ਬਾਵਜੂਦ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਵਿਕਸਤ ਕਰਦੀ ਹੈ।

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.

ਆਓ ਯਾਦ ਕਰੀਏ ਕਿ RHVoice HTS ਪ੍ਰੋਜੈਕਟ (HMM/DNN-ਅਧਾਰਿਤ ਸਪੀਚ ਸਿੰਥੇਸਿਸ ਸਿਸਟਮ) ਦੇ ਵਿਕਾਸ ਅਤੇ ਅੰਕੜਾ ਮਾਡਲਾਂ (HMM - ਲੁਕਵੇਂ ਮਾਰਕੋਵ ਮਾਡਲ 'ਤੇ ਅਧਾਰਤ ਸਟੈਟਿਸਟੀਕਲ ਪੈਰਾਮੈਟ੍ਰਿਕ ਸਿੰਥੇਸਿਸ) ਦੇ ਨਾਲ ਪੈਰਾਮੈਟ੍ਰਿਕ ਸੰਸਲੇਸ਼ਣ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। 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 ਸਮਾਂ ਘੱਟ ਹੋਵੇਗਾ)।

ਅੰਕੜਾ ਮਾਡਲ ਦਾ ਨਨੁਕਸਾਨ ਉਚਾਰਣ ਦੀ ਮੁਕਾਬਲਤਨ ਘੱਟ ਗੁਣਵੱਤਾ ਹੈ, ਜੋ ਸਿੰਥੇਸਾਈਜ਼ਰਾਂ ਦੇ ਪੱਧਰ ਤੱਕ ਨਹੀਂ ਪਹੁੰਚਦਾ ਜੋ ਕੁਦਰਤੀ ਭਾਸ਼ਣ ਦੇ ਟੁਕੜਿਆਂ ਦੇ ਸੁਮੇਲ ਦੇ ਅਧਾਰ 'ਤੇ ਭਾਸ਼ਣ ਤਿਆਰ ਕਰਦੇ ਹਨ, ਪਰ ਫਿਰ ਵੀ ਨਤੀਜਾ ਕਾਫ਼ੀ ਸਪੱਸ਼ਟ ਹੈ ਅਤੇ ਲਾਊਡਸਪੀਕਰ ਤੋਂ ਰਿਕਾਰਡਿੰਗ ਪ੍ਰਸਾਰਣ ਵਰਗਾ ਹੈ। . ਤੁਲਨਾ ਲਈ, ਸਿਲੇਰੋ ਪ੍ਰੋਜੈਕਟ, ਜੋ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਤਕਨੀਕਾਂ ਅਤੇ ਰੂਸੀ ਭਾਸ਼ਾ ਲਈ ਮਾਡਲਾਂ ਦੇ ਇੱਕ ਸੈੱਟ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਓਪਨ ਸਪੀਚ ਸਿੰਥੇਸਿਸ ਇੰਜਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, RHVoice ਨਾਲੋਂ ਗੁਣਵੱਤਾ ਵਿੱਚ ਉੱਤਮ ਹੈ।

ਰੂਸੀ ਭਾਸ਼ਾ ਲਈ 14 ਆਵਾਜ਼ ਵਿਕਲਪ ਉਪਲਬਧ ਹਨ, ਅਤੇ ਅੰਗਰੇਜ਼ੀ ਲਈ 6। ਆਵਾਜ਼ਾਂ ਕੁਦਰਤੀ ਭਾਸ਼ਣ ਦੀ ਰਿਕਾਰਡਿੰਗ ਦੇ ਆਧਾਰ 'ਤੇ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ। 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 ਪ੍ਰੋਫਾਈਲਾਂ ਸਮਰਥਿਤ ਹਨ, ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਲਈ ਆਵਾਜ਼ਾਂ ਦੇ ਸੁਮੇਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦੇ ਹੋਏ।

ਸਰੋਤ: opennet.ru