Sintetiseerders van spraak met Russiese stemme. Die beste spraak sintetiseerder. Hoe om 'n spraak-sintetiseerder te gebruik?

Tans word spraak-sintetiseerders, wat in stilstaande rekenaarstelsels of mobiele toestelle gebruik word, nie meer ongewoon nie. Tegnologieë het ver gevorder en toegelaat om die menslike stem te reproduseer. Hoe dit werk, waar dit toegepas word, wat is die beste spraak-sintetiseerder en watter potensiële probleme 'n gebruiker kan ondervind, sien hieronder.

Wat is spraak sintetiseerders en waar word hulle gebruik?

Spraak synthesizers is spesiale programme wat bestaan uit verskeie modules, wat u toelaat om te vertaal getik op die sleutelbord teks in gewone menslike toespraak in die vorm van klankbaan.

Dit sou naïef wees om aan te neem dat die begeleidende biblioteke absoluut al die woorde of moontlike frases in die ateljees deur werklike mense bevat. Dit is net fisies onmoontlik. Daarbenewens sal die biblioteke van frases so groot wees dat dit eenvoudig nie moontlik sou wees om hulle selfs op moderne hoë kapasiteit hardeskywe te installeer nie, nie om mobiele toestelle te noem nie.

Hiervoor is 'n tegnologie ontwikkel, genaamd teks-na-spraak.

Die mees gebruikte spraak sintetiseerders is in verskeie gebiede, wat toegeskryf kan word aan die onafhanklike studie van vreemde tale (programme het dikwels ondersteuning in 50 tale of meer), die kode moet die korrekte uitspraak van die woord hoor, die boeke van boeke lees, nie lees nie, spraak en vokale dele in musiek skep , Hul gebruik deur mense met gestremdhede, die uitreiking van navrae in die vorm van uitgesproke woorde en frases, ens.

Verskeidenheid programme

Afhangende van die toepassingsveld, kan alle programme verdeel word in twee hooftipes: standaard, skakel teks direk na spraak, en spraak- of vokale modules wat in musiektoepassings gebruik word.

Vir 'n meer volledige begrip van die prent, kom ons kyk na beide klasse, maar meer klem sal geplaas word op die sintegreerders van spraak in hul onmiddellike gebruik.

Voor- en nadele van die eenvoudigste spraaktoepassings

Wat die voordele en nadele van programme van hierdie tipe betref, moet jy eers dieselfde nadele oorweeg.

Eerstens is dit nodig om duidelik te verstaan dat die rekenaar - dit is 'n rekenaar wat in hierdie stadium van ontwikkeling menslike spraak baie ongeveer kan sintetiseer. In die eenvoudigste programme is daar dikwels probleme met woordspanning, verminderde klankgehalte, en in mobiele toestelle - verhoogde kragverbruik, en soms ongemagtigde laai van spraakmodules.

Maar daar is ook baie voordele, want baie klankinligting word baie beter as die visuele beskou. Gerief is voor die hand liggend.

Hoe om 'n spraak-sintetiseerder te gebruik?

Nou 'n paar woorde oor die basiese beginsels van die gebruik van programme van hierdie tipe. U kan enige tipe spraak synthesizer installeer sonder enige probleme. In stilstaande stelsels word 'n standaard installeerder gebruik, waar die hooftaak die keuse sal wees van ondersteunde taalmodules. Vir mobiele toestelle kan die installeringslêer afgelaai word vanaf 'n amptelike winkel of repository soos Google Play of die AppStore, waarna die program outomaties geïnstalleer is.

As 'n reël, wanneer jy eers begin, hoef jy nie ander instellings te maak as om die verstektaal te stel nie. True, soms kan die program bied die klank kwaliteit te kies (in die standaard weergawe, oral toegepas, die steekproef frekwensie is 4410 Hz, die diepte is 16 bits en die bitrate is 128 kbps). In mobiele toestelle is hierdie syfers laer. Nietemin word 'n sekere stem as basis gebruik. Met behulp van 'n standaard uitspraak patroon deur die toepassing van filters en equalizers bereik die klank van net so 'n timbre.

In gebruik kan u verskeie opsies kies vir die vertaling van teks: teks invoer met die hand, al die teks van die lêer afteken, integrasie in ander toepassings (byvoorbeeld webblaaier) met die aktivering van die uitslae of die lees van teksinhoud op aanlynbladsye. Dit is genoeg om die nodige variant van aksies, taal en stem te kies, waarmee alles uitgespreek sal word. Baie programme het verskillende soorte stemme: beide mans en vroue. Om die afspeelproses te aktiveer, word die beginknoppie gewoonlik gebruik.

As ons praat oor hoe om die spraaksynthesizer uit te skakel, kan daar verskeie opsies wees. In die eenvoudigste geval word die stopknoppie in die program self gebruik. In die geval van integrasie in die blaaier, word deaktivering uitgevoer in die uitbreidingsinstellings of deur die volledige verwydering van die invoegtoepassing. Maar met mobiele toestelle kan daar probleme wees wat afsonderlik bespreek sal word ten spyte van 'n direkte afsluiting.

In musiekprogramme is instellings en teksinvoer baie moeiliker. Byvoorbeeld, FL Studio het sy eie spraak module, waarin jy verskillende soorte stemme kan kies , die tooninstellings, speelspoed, ens. Kan verander. Om die spanning voor die lettergreep te beklemtoon, gebruik die simbool "_". Maar so 'n synthesizer is slegs geskik vir die skep van robot stemme.

Maar die pakket Yamaha Vocaloid verwys na programme van 'n professionele tipe. Tekst-tot-Spraak tegnologie word hier in die volle omvang gerealiseer. In die instellings kan jy, benewens die standaardparameters, artikulasie, glissando, biblioteke gebruik met vokale van professionele kunstenaars, woorde en frases maak, hulle aan notas, en 'n hele klomp van meer aanpas. Nie verrassend nie, neem die pakket met slegs een stem ongeveer 4 GB of meer in die installasieverspreiding, en na uitpak is dit twee of drie keer so groot.

Spraak Synthesizers Met Russiese Stemme: 'n Kort Oorsig van die mees populêre

Maar kom ons keer terug na die eenvoudigste programme en kyk na die gewildste.

RHVoice - volgens die meeste kenners, die beste spraak sintetiseerder, wat die Russiese ontwikkeling van die outeurskap van Olga Yakovleva is. In die standaard weergawe is drie stemme beskikbaar (Alexander, Irina, Elena). Die instellings is eenvoudig. En die aansoek self kan gebruik word as 'n stand-alone program, verenigbaar met SAPI5, en as 'n skerm module.

Acapela is nogal 'n interessante toepassing, waarvan die hoof kenmerk feitlik perfekte stem in meer as 30 tale van die wêreld is. In die gewone weergawe is egter slegs een stem beskikbaar (Alain).

Vocalizer is 'n kragtige toepassing met die vroulike stem van Milena. Baie dikwels word hierdie program gebruik in oproepsentrums. Daar is baie instellings vir die opstel van aksent, volume, spoedlesing en die installering van addisionele woordeboeke. Die belangrikste verskil is dat die spraak-enjin geïntegreer kan word in programme soos Cool Reader, Moon + Reader Pro of Full Screen Caller ID.

Fees is 'n kragtige toespraak sintese en herkenning nut vir Linux en Mac OS X. Die aansoek word verskaf met 'n oop bron en ondersteun, bo en behalwe standaard taalpakke, selfs Fins en Hindi.

ESpeak is 'n toespraak wat meer as 50 tale ondersteun. Die grootste nadeel is die behoud van lêers met gesintetiseerde spraak, uitsluitlik in WAV-formaat, wat baie ruimte inneem. Maar die program is kruisplatform en kan selfs in mobiele stelsels gebruik word.

Probleme met spraak-sintetiseerder in Google Android

By die installering van die "native" spraaksynthesizer van Google, kla gebruikers voortdurend dat dit spontaan sluit in bykomende taalmodules, wat nie net genoeg tyd kan neem nie, maar ook verkeer verbruik.

Om ontslae te raak van hierdie in Android-stelsels kan baie eenvoudig wees. Om dit te doen, gebruik die instellingsmenu, gaan dan na die taal- en steminvoer afdeling, kies die stemsoektog en klik op die kruis (ontkoppel) op die spraakherkenning opsie offline. Daarbenewens word aanbeveel dat u die programkas skoon maak en die toestel herlaai. Soms is dit nodig om kennisgewings in die aansoek self te deaktiveer.

Wat op die ou end?

Ter opsomming kan ons sê dat gewone gebruikers in die meeste gevalle genader sal word deur die eenvoudigste programme. In alle graderings is RHVoice in die vooruitsig. Maar vir musikante wat 'n natuurlike stem wil hê, sodat die verskil tussen lewendige vokale en rekenaar sintese nie per ore gevoel word nie, is dit beter om programme soos Vocaloid voorkeur te gee, veral aangesien hulle baie addisionele stembiblioteke het, en instellings het soveel moontlikhede wat primitief Aansoeke, soos hulle sê, het nie langs mekaar gestaan nie.