ఓపెన్ స్పీచ్ సింథసిస్ సిస్టమ్ RHVoice 1.2.4 విడుదల ప్రచురించబడింది, మొదట్లో రష్యన్ భాషకు అధిక-నాణ్యత మద్దతు అందించడానికి అభివృద్ధి చేయబడింది, కానీ తర్వాత ఇంగ్లీష్, పోర్చుగీస్, ఉక్రేనియన్, కిర్గిజ్, టాటర్ మరియు జార్జియన్లతో సహా ఇతర భాషలకు స్వీకరించబడింది. కోడ్ C++లో వ్రాయబడింది మరియు LGPL 2.1 లైసెన్స్ క్రింద పంపిణీ చేయబడింది. GNU/Linux, Windows మరియు Androidలో పని చేయడానికి మద్దతు ఇస్తుంది. ప్రోగ్రామ్ టెక్స్ట్ను స్పీచ్గా మార్చడానికి ప్రామాణిక TTS (టెక్స్ట్-టు-స్పీచ్) ఇంటర్ఫేస్లకు అనుకూలంగా ఉంటుంది: SAPI5 (Windows), స్పీచ్ డిస్పాచర్ (GNU/Linux) మరియు Android టెక్స్ట్-టు-స్పీచ్ API, కానీ NVDAలో కూడా ఉపయోగించవచ్చు. స్క్రీన్ రీడర్.
ప్రోగ్రామ్ గణాంక నమూనాలతో పారామెట్రిక్ సంశ్లేషణ పద్ధతిని ఉపయోగిస్తుంది (HMM ఆధారంగా స్టాటిస్టికల్ పారామెట్రిక్ సింథసిస్ - హిడెన్ మార్కోవ్ మోడల్). స్టాటిస్టికల్ మోడల్ యొక్క ప్రయోజనం తక్కువ ఓవర్హెడ్ ఖర్చులు మరియు డిమాండ్ చేయని CPU పవర్. అన్ని కార్యకలాపాలు వినియోగదారు సిస్టమ్లో స్థానికంగా నిర్వహించబడతాయి. ప్రసంగ నాణ్యత యొక్క మూడు స్థాయిలకు మద్దతు ఉంది (తక్కువ నాణ్యత, అధిక పనితీరు మరియు తక్కువ ప్రతిచర్య సమయం).
స్వరాలను సెట్ చేయడానికి మరియు మార్చడానికి మద్దతు ఇస్తుంది. రష్యన్ భాష కోసం 9 వాయిస్ ఎంపికలు అందుబాటులో ఉన్నాయి మరియు ఆంగ్లం కోసం 5. స్వరాలు సహజ ప్రసంగం యొక్క రికార్డింగ్ల ఆధారంగా రూపొందించబడ్డాయి. గణాంక నమూనాను ఉపయోగించడం వల్ల, ఉచ్చారణ నాణ్యత సహజ ప్రసంగం యొక్క శకలాలు కలయికపై ఆధారపడి ప్రసంగాన్ని రూపొందించే సింథసైజర్ల స్థాయికి చేరుకోదు, అయినప్పటికీ ఫలితం చాలా అర్థవంతంగా ఉంటుంది మరియు లౌడ్స్పీకర్ నుండి రికార్డింగ్ ప్రసారాన్ని పోలి ఉంటుంది. .
సెట్టింగ్లలో మీరు వేగం, పిచ్ మరియు వాల్యూమ్ను మార్చవచ్చు. టెంపోను మార్చడానికి సోనిక్ లైబ్రరీని ఉపయోగించవచ్చు. ఇన్పుట్ టెక్స్ట్ యొక్క విశ్లేషణ ఆధారంగా భాషలను స్వయంచాలకంగా గుర్తించడం మరియు మార్చడం సాధ్యమవుతుంది (ఉదాహరణకు, మరొక భాషలోని పదాలు మరియు కోట్ల కోసం, ఆ భాషకు చెందిన సింథసిస్ మోడల్ను ఉపయోగించవచ్చు). వాయిస్ ప్రొఫైల్లకు మద్దతు ఉంది, వివిధ భాషల కోసం వాయిస్ల కలయికలను నిర్వచిస్తుంది.
మూలం: opennet.ru