A avut loc lansarea sistemului deschis de sintheză vocală RHVoice 1.6.0, dezvoltat inițial pentru a asigura suport de calitate pentru limba rusă, dar ulterior adaptat și pentru alte limbi, inclusiv engleză, portugheză, ucraineană, kirghiză, tătară și georgiană. Codul este scris în C++ și este distribuit sub licența LGPL 2.1. Este compatibil cu GNU/Linux, Windows și Android. Programul este compatibil cu interfețele standard TTS (text-to-speech) pentru conversia textului în vorbire: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) și Android Text-To-Speech API, dar poate fi utilizat și în cititorul de ecran NVDA. Creatorul și principalul dezvoltator al RHVoice este Olga Yakovleva, care dezvoltă proiectul în ciuda orbirii complete.
Noua versiune include 5 variante noi de voci pentru limba rusă. A fost implementat suport pentru limba albaneză. Dicționarul pentru limba ucraineană a fost actualizat. Suportul pentru citirea simbolurilor emoji a fost extins. S-au făcut corecții de erori în aplicația pentru platforma Android, simplificând importul dicționarelor utilizatorilor, precum și adăugarea suportului pentru platforma Android 11. În nucleul motorului au fost adăugate setări și funcționalități noi, inclusiv g2p.case, word_break și suport pentru filtre de egalizare.
Reamintim că în RHVoice sunt aplicate lucrările proiectului HTS (HMM/DNN-based Speech Synthesis System) și metoda parametrică de sinteză cu modele statistice (Statistical Parametric Synthesis pe baza HMM — Hidden Markov Model). Un avantaj al modelului statistic este overhead-ul scăzut și neexigența față de puterea CPU. Toate operațiile se desfășoară local pe sistemul utilizatorului. Sunt suportate trei niveluri de calitate a vocii (cu cât calitatea este mai scăzută — cu atât mai mare este performanța și mai scurt este timpul de reacție).
Dezavantajul modelului statistic este calitatea relativ scăzută a pronunției, care nu atinge nivelul sinteticelor care generează vorbire pe baza combinației de fragmente de vorbire naturală, dar totuși rezultatul este destul de inteligibil și amintește de transcrierea unei înregistrări cu un megafon. Spre comparație, proiectul Silero, care oferă un motor deschis pentru sinteză vocală bazat pe tehnologii de învățare automată și un set de modele pentru limba rusă, depășește RHVoice în ceea ce privește calitatea.
Pentru limba rusă sunt disponibile 13 variante de voci, iar pentru engleză — 5. Vocile sunt generate pe baza înregistrărilor de vorbire naturală. În setări, se poate modifica viteza, înălțimea și volumul. Pentru modificarea tempo-ului poate fi utilizată biblioteca Sonic. Este posibilă determinarea automată și comutarea limbii pe baza analizei textului de intrare (de exemplu, pentru cuvinte și citate într-o altă limbă pot fi utilizate modele de sinteză nativă pentru acea limbă). Sunt susținute profile vocale care definesc combinații de voci pentru diferite limbi.
Sursa: opennet.ro
