Foi lançada a versão 1.6.0 do sistema aberto de síntese de voz RHVoice, inicialmente desenvolvido para garantir um suporte de qualidade à língua russa, mas posteriormente adaptado também para outros idiomas, incluindo inglês, português, ucraniano, quirguiz, tártaro e georgiano. O código é escrito em C++ e é distribuído sob a licença LGPL 2.1. O funcionamento é suportado em GNU/Linux, Windows e Android. O programa é compatível com interfaces TTS padrão (texto-para-fala) para conversão de texto em fala: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) e Android Text-To-Speech API, mas também pode ser utilizado no leitor de tela NVDA. A criadora e principal desenvolvedora do RHVoice é Olga Yakovleva, que continua desenvolvendo o projeto apesar de ser completamente cega.
Na nova versão, foram adicionadas 5 novas opções de vozes para a fala russa. O suporte ao idioma albanês foi implementado. O dicionário para o idioma ucraniano foi atualizado. O suporte à leitura de emojis foi ampliado. O trabalho no aplicativo para a plataforma Android focou na correção de erros, simplificação da importação de dicionários de usuários e adição de suporte para a plataforma Android 11. Novas configurações e funcionalidades, incluindo g2p.case, word_break e suporte a filtros de equalização, foram adicionadas ao núcleo do motor.
Lembramos que o RHVoice utiliza contribuições do projeto HTS (HMM/DNN-based Speech Synthesis System) e o método de síntese paramétrico com modelos estatísticos (Statistical Parametric Synthesis baseado em HMM — Hidden Markov Model). A principal vantagem do modelo estatístico é a baixa sobrecarga e a baixa demanda de potência da CPU. Todas as operações são executadas localmente no sistema do usuário. Três níveis de qualidade de fala são suportados (quanto menor a qualidade, maior o desempenho e menor o tempo de resposta).
Uma desvantagem do modelo estatístico é a qualidade de pronúncia relativamente baixa, que não atinge o nível dos sintetizadores que geram fala a partir da combinação de fragmentos de fala natural. No entanto, o resultado é bastante compreensível e lembra a transmissão de uma gravação por um alto-falante. Para comparação, o projeto Silero, que oferece um motor de síntese de fala aberto baseado em tecnologias de aprendizado de máquina e um conjunto de modelos para o idioma russo, supera o RHVoice em qualidade.
Para o idioma russo, estão disponíveis 13 opções de vozes, e para o inglês, 5. As vozes são formadas com base em gravações de fala natural. Nas configurações, é possível alterar a velocidade, a altura e o volume. A biblioteca Sonic pode ser usada para alterar o tempo. A detecção e troca automática de idioma com base na análise do texto de entrada é possível (por exemplo, para palavras e citações em outro idioma, pode-se usar um modelo nativo de síntese daquele idioma). Perfis de voz suportam combinações de vozes para diferentes idiomas.
Fonte: opennet.ru
