синтез речи. - страница 2

SayFable — офлайн-библиотека с NLP-разметкой, синтезом на 68 языков и чатом по книге

Личная библиотека для книг, статей, подкастов и видео: транскрипция, синтез, перевод и смысловой поиск считаются на самом телефоне.Привет, Хабр! В прошлых статьях я рассказывал про локальный переводчик с синтезом голоса на кабардинском и про то, как собрать полный NLP-стек для «финального босса лингвистики» из старых словарей

продолжить чтение

Мы опубликовали стабильный, быстрый, качественный и доступный синтез ещё для 29 языков России

Многообразие языков нашей страныВ прошлый раз

продолжить чтение

Как устроены voice-2-voice модели

Вы говорите в телефон: «Объясни квантовую запутанность за минуту». Через долю секунды из динамика отвечает живой голос — не робот из навигатора, а почти собеседник: с паузами, интонацией, даже с лёгким «хм» перед сложным местом. Это voice-2-voice (V2V): модель принимает аудио и отвечает аудио. В этой статье мы разберём, как устроен этот фокус — от волны в микрофоне до звука в динамике.Откуда взялась статьяМне довелось поработать в Newo.ai — компании, которую основал Давид Ян

продолжить чтение

Неочевидные проблемы в Text‑to‑Speech, о которых редко говорят

Когда приходишь в Text‑to‑Speech из классического ML (или даже из CV/NLP), кажется, что всё знакомо: датасет, модель, loss, валидация, поехали. А потом довольно быстро ловишь себя на мысли, что что‑то тут не так.В TTS есть набор проблем, которые:не очевидны на старте;почти не обсуждаются;и при этом регулярно бьют по разработке.Причём это не какие‑то редкие кейсы. Это вещи, которые встречаются постоянно.Попробую описать несколько таких моментов, о которые обжегся сам во время работы над аудио ассистентом в одном из российских бигтехов.

продолжить чтение

Обрести свой голос: сложность выбора TTS-архитектуры для ИИ-агента

Продолжаю писать о разработке собственного TTS-сервиса, основанный на шишках, набитых в targetai. В первой статье я описал критерии оценки и методологию бенчмарка. В этой статье речь пойдет о том, как мы с командой применили эти критерии на практике.Дисклеймеры:

продолжить чтение

Как мы голос для ИИ-ассистента выбирали или критерии оценки TTS-движков

targetai специализируется на создании ИИ-ассистентов для клиентского сервиса. И голосовые агенты для нас — один из ключевых сценариев: телефония, входящие и исходящие звонки, сервисные диалоги. На определённом этапе мы с командой пришли к пониманию, что зависимость от вендорских TTS-сервисов — это риск: по стоимости, по контролю над качеством, по гибкости под конкретных клиентов. И тогда перед нами встал вопрос о собственном сервисе синтеза речи.Первый шаг, который оказался совсем не тривиальным — договориться между собой о том, что вообще считать «хорошим голосом» для ИИ-агента

продолжить чтение

Наш синтез для экранных читалок (SAPI5) для 20 языков России стал лучше

Ультанул башем в 2012 годуМы не так давно опубликовали SAPI5-обёртку для нашего синтеза

продолжить чтение

Найм не спас, Telegram подвёл, ИИ устроил бардак: как мы просели, вернули деньги клиентам, но в итоге собрали веб-сервис

Привет, Хабр. Меня зовут Антон, я технический директор

продолжить чтение

Озвучка текста голосом ИИ: нейросеть для озвучки онлайн

продолжить чтение

Топ инструментов для перевода голоса в текст: Speech2Text, BotHub, Yandex SpeechKit и другие

продолжить чтение