Zosta\u0142a wydana otwarta system syntezator\u00f3w mowy RHVoice 1.8.0, pierwotnie rozwijana w celu zapewnienia wysokiej jako\u015bci wsparcia j\u0119zyka rosyjskiego, ale nast\u0119pnie dostosowana r\u00f3wnie\u017c do innych j\u0119zyk\u00f3w, w tym angielskiego, portugalskiego, ukrai\u0144skiego, kirgiskiego, tatarskiego i gruzi\u0144skiego. Kod jest napisany w C++ i jest rozpowszechniany na licencji LGPL 2.1. Obs\u0142ugiwane s\u0105 systemy GNU\/Linux, Windows i Android. Program jest zgodny z typowymi interfejsami TTS (text-to-speech) do przekszta\u0142cania tekstu na mow\u0119: SAPI5 (Windows), Speech Dispatcher (GNU\/Linux) oraz Android Text-To-Speech API, ale mo\u017ce by\u0107 tak\u017ce u\u017cywany w czytniku ekranu NVDA. Tw\u00f3rc\u0105 i g\u0142\u00f3wnym deweloperem RHVoice jest Olga Jakowlewa, kt\u00f3ra rozwija projekt mimo ca\u0142kowitej utraty wzroku. <\/p>\n
W wersji 1.8 dla platformy Android wprowadzono nowy system zarz\u0105dzania danymi g\u0142osowymi i j\u0119zykowymi, umo\u017cliwiaj\u0105cy \u0142adowanie aktualizacji danych g\u0142osowych bez aktualizacji aplikacji mobilnej. Sprawdzanie dost\u0119pno\u015bci aktualizacji danych dla dodanych g\u0142os\u00f3w i j\u0119zyk\u00f3w odbywa si\u0119 automatycznie. Ponadto, w nowej wersji zaimplementowano wsparcie dla j\u0119zyka polskiego oraz dodano nowy g\u0142os dla j\u0119zyka macedo\u0144skiego. Zapewniono kompatybilno\u015b\u0107 z nowymi wersjami alfa i beta czytnika ekranu NVDA. Naprawiono problemy z kompilacj\u0105 na platformie Linux, kt\u00f3re wyst\u0119powa\u0142y w przypadku braku Speech Dispatcher. <\/p>\n
Przypominamy, \u017ce w RHVoice stosowane s\u0105 osi\u0105gni\u0119cia projektu HTS (HMM\/DNN-based Speech Synthesis System) oraz parametryczna metoda syntezy z modelami statystycznymi (Statistical Parametric Synthesis opartym na HMM \u2014 ukrytym modelu Markowa). Zalet\u0105 modelu statystycznego s\u0105 niskie koszty eksploatacji oraz niewielkie wymagania dotycz\u0105ce mocy CPU. Wszystkie operacje wykonywane s\u0105 lokalnie w systemie u\u017cytkownika. Obs\u0142ugiwane s\u0105 trzy poziomy jako\u015bci mowy (im ni\u017csza jako\u015b\u0107 \u2014 tym wy\u017csza wydajno\u015b\u0107 i kr\u00f3tszy czas reakcji). <\/p>\n
Minusem modelu statystycznego jest stosunkowo niska jako\u015b\u0107 wymowy, kt\u00f3ra nie osi\u0105ga poziomu syntezator\u00f3w generuj\u0105cych mow\u0119 na podstawie kombinacji fragment\u00f3w naturalnej mowy, ale mimo to wynik jest ca\u0142kiem zrozumia\u0142y i przypomina transmisj\u0119 nagrania z g\u0142o\u015bnika. Dla por\u00f3wnania, projekt Silero, oferuj\u0105cy otwarty silnik do syntezy mowy oparty na technologiach uczenia maszynowego i zestawie modeli dla j\u0119zyka rosyjskiego, przewy\u017csza jako\u015bci\u0105 RHVoice. <\/p>\n
Dla j\u0119zyka rosyjskiego dost\u0119pnych jest 14 wariant\u00f3w g\u0142os\u00f3w, dla angielskiego \u2014 6. G\u0142osy tworzone s\u0105 na podstawie nagra\u0144 naturalnej mowy. W ustawieniach mo\u017cna zmienia\u0107 pr\u0119dko\u015b\u0107, wysoko\u015b\u0107 i g\u0142o\u015bno\u015b\u0107. Do zmiany tempa mo\u017cna wykorzysta\u0107 bibliotek\u0119 Sonic. Mo\u017cliwe jest automatyczne rozpoznawanie i prze\u0142\u0105czanie j\u0119zyka na podstawie analizy tekstu wej\u015bciowego (na przyk\u0142ad, dla s\u0142\u00f3w i cytat\u00f3w w innym j\u0119zyku mo\u017ce by\u0107 u\u017cywany model syntezy natywny dla danego j\u0119zyka). Obs\u0142ugiwane s\u0105 profile g\u0142osowe, okre\u015blaj\u0105ce kombinacje g\u0142os\u00f3w dla r\u00f3\u017cnych j\u0119zyk\u00f3w. \n \u0179r\u00f3d\u0142o: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"