Opublikowano wersję otwartego systemu syntezy mowy RHVoice 1.2.4, który pierwotnie rozwijano w celu zapewnienia wysokiej jakości wsparcia dla języka rosyjskiego, a następnie dostosowano do innych języków, w tym angielskiego, portugalskiego, ukraińskiego, kirgiskiego, tatarskiego i gruzińskiego. Kod napisany jest w C++ i dystrybuowany na licencji LGPL 2.1. Obsługuje pracę w GNU/Linux, Windows i Android. Program jest kompatybilny ze standardowymi interfejsami TTS (text-to-speech) do przekształcania tekstu w mowę: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) oraz Android Text-To-Speech API, ale może być również używany w czytniku ekranu NVDA.
W programie zastosowano parametryczną metodę syntezy opartą na modelach statystycznych (Statistical Parametric Synthesis na bazie HMM — Hidden Markov Model). Zaletą modelu statystycznego są niskie koszty obliczeniowe oraz małe wymagania dotyczące mocy CPU. Wszystkie operacje są wykonywane lokalnie na systemie użytkownika. Obsługiwane są trzy poziomy jakości dźwięku (im niższa jakość, tym wyższa wydajność i krótszy czas reakcji).
Obsługiwana jest konfiguracja i zmiana głosów. Dla języka rosyjskiego dostępnych jest 9 wariantów głosów, a dla angielskiego — 5. Głosy są formowane na podstawie nagrań naturalnej mowy. Z powodu zastosowania modelu statystycznego jakość wymowy nie osiąga poziomu syntezatorów, które generują mowę na podstawie kombinacji fragmentów naturalnej mowy, jednak efekt jest wciąż wystarczająco wyraźny i przypomina retransmisję nagrania z głośnika.
W ustawieniach można zmieniać prędkość, wysokość i głośność. Do zmiany tempa może być używana biblioteka Sonic. Możliwe jest automatyczne rozpoznawanie i przełączanie języka na podstawie analizy tekstu wejściowego (na przykład dla słów i cytatów w innym języku może być używany model syntezy dedykowany dla tego języka). Obsługiwane są profile głosowe, definiujące kombinacje głosów dla różnych języków.
Źródło: opennet.ru
