Ang pangkat ng mga kumpanya ng MDG, bahagi ng ecosystem ng Sberbank, ay nag-anunsyo ng pagbuo ng isang advanced na speech synthesis platform, na sinasabing matiyak ang maayos at nagpapahayag na pagbabasa ng anumang teksto.
Ang ipinakita na solusyon ay ang ikatlong henerasyon ng sistema ng speech synthesis. Ang mga de-kalidad na audio signal ay nabuo ng mga kumplikadong modelo ng neural network. Sinasabi ng mga developer na ang resulta ng mga algorithm na ito ay ang pinaka-makatotohanang synthesis ng pagsasalita sa wikang Ruso.
Ang platform ay may kasamang module para sa paghula ng stress sa mga salita na wala pa sa batayang diksyunaryo. Bilang karagdagan, ang awtomatikong pagwawasto ng mga karaniwang error sa pagbabaybay ay ibinigay. Salamat sa malalim na pagsusuri sa lingguwistika ng teksto, ang pagbigkas ay tumutugma sa mga pamantayan ng wika kahit na sa mahirap na mga kaso.
Ang isa pang bentahe ng platform ay hindi ito nangangailangan ng mga mamahaling server na nilagyan ng mga GPU accelerators. Magagamit mo ang teknolohiya sa dalawang paraan: sa pamamagitan ng serbisyo sa cloud o sa pamamagitan ng pagsasama nito sa sarili mong solusyon.
Kabilang sa mga posibleng lugar ng aplikasyon ng pag-unlad ay ang mga chatbot at voice assistant, mga serbisyo ng impormasyon at abiso, mga serbisyo ng boses na may instant synthesis ng anumang teksto sa panahon ng isang tawag, atbp.
"Sa mga automated na sitwasyon ng komunikasyon sa mga kliyente, pinapayagan ka ng teknolohiya na makipag-ugnayan nang isa-isa sa bawat subscriber, dahil walang mga nakapirming mensahe, at anumang text ay maaaring i-synthesize sa panahon ng tawag," sabi ng mga developer.
Maaari mong subukan ang teknolohiya .
Pinagmulan: 3dnews.ru