{"id":103848,"date":"2022-04-22T15:36:52","date_gmt":"2022-04-22T13:36:52","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/novyj-vypusk-sistemy-sinteza-rechi-silero"},"modified":"2022-04-22T15:36:52","modified_gmt":"2022-04-22T13:36:52","slug":"novyj-vypusk-sistemy-sinteza-rechi-silero","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/novyj-vypusk-sistemy-sinteza-rechi-silero","title":{"rendered":"Nytt sl\u00e4pp av Tal-synthesystemet Silero.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
En ny offentlig version av Silero Text-to-Speech-systemet f\u00f6r talsyntes \u00e4r tillg\u00e4nglig. Projektet syftar fr\u00e4mst till att skapa ett modernt, h\u00f6gkvalitativt talsyntessystem som inte \u00e4r s\u00e4mre \u00e4n kommersiella l\u00f6sningar fr\u00e5n f\u00f6retag och som \u00e4r tillg\u00e4ngligt f\u00f6r alla utan att kr\u00e4va dyr serverutrustning. <\/p>\n
Modellerna distribueras under GNU AGPL-licensen, men f\u00f6retaget som utvecklar projektet avsl\u00f6jar inte mekanismen f\u00f6r tr\u00e4ning av modellerna. F\u00f6r att k\u00f6ra systemet kan man anv\u00e4nda PyTorch och ramverk som st\u00f6der ONNX-formatet. Talsyntesen i Silero baseras p\u00e5 djupt modifierade moderna neurala n\u00e4tverksalgoritmer och metoder f\u00f6r digital signalbehandling. <\/p>\n
Det noteras att det st\u00f6rsta problemet med moderna neurala n\u00e4tverksl\u00f6sningar f\u00f6r talsyntes ofta \u00e4r att de endast \u00e4r tillg\u00e4ngliga inom betalda molnl\u00f6sningar, medan offentliga produkter har h\u00f6ga h\u00e5rdvarukrav, l\u00e4gre kvalitet eller inte \u00e4r fullst\u00e4ndiga och f\u00e4rdiga f\u00f6r anv\u00e4ndning. Till exempel, f\u00f6r att problemfritt k\u00f6ra en av de nya popul\u00e4ra end-to-end syntesarkitekturerna, VITS, i syntesl\u00e4ge (dvs. inte f\u00f6r att tr\u00e4na modellerna), kr\u00e4vs grafikkort med mer \u00e4n 16 GB VRAM. <\/p>\n
Trots r\u00e5dande trender startar Silero-l\u00f6sningar framg\u00e5ngsrikt \u00e4ven p\u00e5 1 tr\u00e5d av en Intel x86-processor med AVX2-instruktioner. P\u00e5 4 tr\u00e5dar kan processorn syntetisera mellan 30 och 60 sekunder per sekund i 8 kHz-l\u00e4get, i 24 kHz-l\u00e4get 15-20 sekunder och i 48 kHz-l\u00e4get cirka 10 sekunder. <\/p>\n
Huvudfunktionerna i den nya versionen av Silero: <\/p>\n
\n
Modellstorleken har minskats med 50 % till 50 megabyte;\n
Modellerna kan g\u00f6ra pauser;\n
Fyra h\u00f6gkvalitativa r\u00f6ster p\u00e5 ryska (och ett o\u00e4ndligt antal slumpm\u00e4ssiga). Exempel p\u00e5 uttal;\n
Modellerna \u00e4r tio g\u00e5nger snabbare och till exempel i 24 kHz-l\u00e4get g\u00f6r det m\u00f6jligt att syntetisera upp till 20 sekunder ljud per sekund p\u00e5 fyra processork\u00e4rnor;\n
Alla r\u00f6stvarianter f\u00f6r ett spr\u00e5k paketeras i en enda modell;\n
Modellerna kan ta emot hela stycken text som indata, SSML-taggar st\u00f6ds;\n
Syntesen fungerar omedelbart i tre valfria samplingfrekvenser \u2013 8, 24 och 48 kilohertz;\n
De \"barnproblem\" som l\u00f6st: instabilitet och bortfall av ord;\n
Flaggor har lagts till f\u00f6r att kontrollera automatisk betoning och ins\u00e4ttning av bokstaven \"\u0451\". <\/ul>\n
F\u00f6r den senaste versionen av syntes \u00e4r 4 r\u00f6ster p\u00e5 ryska offentligt tillg\u00e4ngliga, men inom en snar framtid kommer n\u00e4sta version med f\u00f6ljande \u00e4ndringar att publiceras: <\/p>\n
\n
Synteshastigheten kommer att \u00f6ka ytterligare 2-4 g\u00e5nger;\n
Syntesmodellerna f\u00f6r spr\u00e5k i det forna Sovjetunionen kommer att uppdateras: Kalmykiska, Tatariska, Uzbeckiska och Ukrainska;\n
Modeller f\u00f6r europeiska spr\u00e5k kommer att l\u00e4ggas till;\n
Modeller f\u00f6r indiska spr\u00e5k kommer att l\u00e4ggas till;\n
Modeller f\u00f6r engelska spr\u00e5ket kommer att l\u00e4ggas till. <\/ul>\n
Vissa av de systematiska problemen som \u00e4r f\u00f6rknippade med Silero-syntesen: <\/p>\n
\n
Till skillnad fr\u00e5n mer traditionella l\u00f6sningar f\u00f6r syntes, s\u00e5som RHVoice, har Silero-syntesen ingen integration med SAPI, inga enkla installationer av klienter och integrationer f\u00f6r Windows och Android;\n
Hastigheten, \u00e4ven om den \u00e4r utan motstycke h\u00f6g f\u00f6r en s\u00e5dan l\u00f6sning, kan vara otillr\u00e4cklig f\u00f6r realtidsyntes p\u00e5 svaga processorer i h\u00f6g kvalitet;\n
L\u00f6sningen f\u00f6r automatisk betoning hanterar inte homografer (ord s\u00e5som zAmok och zamOk) och g\u00f6r fortfarande misstag, men denna brist kommer att \u00e5tg\u00e4rdas i framtida releaser;\n
Den nuvarande versionen av syntesen fungerar inte p\u00e5 processorer utan AVX2-instruktioner (eller inst\u00e4llningarna f\u00f6r PyTorch m\u00e5ste \u00e4ndras specifikt), eftersom en av modulerna inuti modellen \u00e4r kvantiserad;\n
Den nuvarande versionen av syntesen har i princip bara en beroende av PyTorch, hela inneh\u00e5llet \u00e4r \"inb\u00e4ddat\" i modellen och JIT-paketen. K\u00e4llkoden f\u00f6r modellerna publiceras inte, liksom koden f\u00f6r att k\u00f6ra modeller fr\u00e5n klienter f\u00f6r PyTorch f\u00f6r andra spr\u00e5k;\n
Libtorch, som finns tillg\u00e4ngligt f\u00f6r mobila plattformar, \u00e4r mycket mer skrymmande \u00e4n ONNX-runtime, men ONNX-versionen av modellen tillhandah\u00e5lls f\u00f6r tillf\u00e4llet inte. <\/ul>\n