Bol spustený otvorený systém syntézy reči RHVoice 1.8.0, pôvodne vyvinutý na zabezpečenie kvalitnej podpory ruského jazyka, ale neskôr prispôsobený aj pre ďalšie jazyky, vrátane angličtiny, portugalčiny, ukrajinčiny, kirgizčiny, tatarčiny a gruzínčiny. Kód je napísaný v C++ a distribuuje sa pod licenciou LGPL 2.1. Podporuje fungovanie na GNU/Linux, Windows a Android. Program je kompatibilný so štandardnými TTS rozhraniami (text-to-speech) na prevod textu na reč: SAPI5 (Windows), Speech Dispatcher (GNU/Linux) a Android Text-To-Speech API, ale môže sa tiež používať v čítačke obrazovky NVDA. Tvorcom a hlavným vývojárom RHVoice je Olga Jakovlevová, ktorá vyvíja projekt napriek úplnej slepote.
Vo verzii 1.8 pre platformu Android bola navrhnutá nová sústava správy hlasových a jazykových dát, ktorá umožňuje sťahovanie aktualizácií hlasových dát bez aktualizácie mobilnej aplikácie. Kontrola prítomnosti aktualizácií dát pre pridávané hlasy a jazyky prebieha automaticky. Okrem toho nová verzia implementuje podporu poľského jazyka a pridáva nový hlas pre macedónsky jazyk. Zaručená je kompatibilita s najnovšími alfa a beta verziami čítačky obrazovky NVDA. Boli odstránené problémy so zostavením na platforme Linux, ktoré sa vyskytli pri absencii Speech Dispatcher.
Pripomeňme, že v RHVoice sú využité výstupy projektu HTS (HMM/DNN-based Speech Synthesis System) a parametrická metóda syntézy so štatistickými modelmi (Statistical Parametric Synthesis založená na HMM — Hidden Markov Model). Výhodou štatistického modelu sú nízke náklady a nenáročnosť na výkon CPU. Všetky operácie prebiehajú lokálne na systéme používateľa. Podporované sú tri úrovne kvality reči (čím nižšia kvalita, tým vyšší výkon a kratšia doba reakcie).
Nevýhodou štatistického modelu je relatívne nízka kvalita výslovnosti, ktorá nedosahuje úroveň syntetizátorov generujúcich reč na základe kombinácie fragmentov prirodzenej reči, no výsledok je celkom zrozumiteľný a pripomína vysielanie záznamu z reproduktora. Na porovnanie, projekt Silero, ktorý poskytuje otvorený engin pre syntézu reči založený na technológiach strojového učenia a súbor modelov pre ruský jazyk, kvalitatívne prevyšuje RHVoice.
Pre ruský jazyk je dostupných 14 variantov hlasov, pre anglický jazyk — 6. Hlasové výstupy sú vytvorené na základe záznamov prirodzenej reči. V nastaveniach je možné meniť rýchlosť, výšku a hlasitosť. Na zmenu tempa môže byť použitá knižnica Sonic. Možné je automatické rozpoznanie a prepínanie jazyka na základe analýzy vstupného textu (napríklad pre slová a citácie v inom jazyku môže byť použitý rodný model syntézy tohto jazyka). Podporujú sa hlasové profily, ktoré definujú kombinácie hlasov pre rôzne jazyky.
Zdroj: opennet.ru
