Foi lançado o sistema aberto de síntese de voz RHVoice 1.8.0, inicialmente desenvolvido para fornecer suporte de qualidade ao idioma russo, mas depois adaptado para outros idiomas, incluindo inglês, português, ucraniano, quirguiz, tatar e georgiano. O código foi escrito em C++ e é distribuído sob a licença LGPL 2.1. Suporta operação em GNU/Linux, Windows e Android. O programa é compatível com interfaces TTS padrão (text-to-speech) 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 o projeto apesar da cegueira total.
Na versão 1.8 para a plataforma Android, foi proposta um novo sistema de gerenciamento de dados de voz e linguagens, permitindo o download de atualizações de dados de voz sem a necessidade de atualização do aplicativo móvel. A verificação de novos dados para vozes e idiomas adicionados é feita automaticamente. Além disso, a nova versão implementou suporte ao idioma polonês e adicionou uma nova voz para o idioma macedônio. Garantida a compatibilidade com as versões alfa e beta recentes do leitor de tela NVDA. Problemas de compilação na plataforma Linux, que ocorriam na ausência do Speech Dispatcher, foram resolvidos.
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 14 variantes de vozes, enquanto para o inglês são 6. As vozes são formadas com base em gravações de fala natural. Nas configurações, é possível alterar a velocidade, a altura e o volume. Para mudar o ritmo, pode ser utilizada a biblioteca Sonic. É possível a detecção automática e a troca de idioma com base na análise do texto de entrada (por exemplo, modelos nativos para a síntese de fala podem ser utilizados para palavras e citações em outros idiomas). Perfis de voz são suportados, definindo combinações de vozes para diferentes idiomas.
Fonte: opennet.ru
