Sintetizadores de voz con voces rusas. Mellor sintetizador de voz. Como usar un sintetizador de voz?

Hoxe, os sintetizadores de voz usados en estacionario sistemas de ordenador ou dispositivos móbiles, algo inusual non aparecerá. A tecnoloxía ten saltou á fronte e permitiu a reproducir a voz humana. Como funciona, se é o caso, cal é a mellor sintetizador de voz, e pode atopar algúns problemas potenciais, vexa abaixo.

Cales son os sintetizadores de voz, e onde son usados?

sintetizadores de voz son programas especiais que consisten en varios módulos que permiten que converter a escribir texto en fala humana normal en forma de son.

Sería inxenuo pensar que as bibliotecas que acompañan conteñen todo o posible palabras ou frases gravadas nos estudos de persoas reais. Non é só fisicamente posible. Ademais, a biblioteca frase tería un tamaño tal que mesmo instala-los en modernos discos duros grandes, sen esquecer o seu dispositivo móbil, simplemente non sería posible.

Por esta tecnoloxía foi desenvolvida, chamada (tradución text-to-Speech) Text-to-Speech.

Os sintetizadores de voz máis amplamente utilizados recibiron en diversas áreas, que inclúen auto-estudo de linguas estranxeiras (programas xeralmente teñen soporte en 50 idiomas e máis), o código que precisa para escoitar a pronuncia correcta da palabra, escoitar libros de textos no canto de lectura, a creación de voz e música vocal e súa utilización por persoas con discapacidade, a emisión de consultas de investigación en forma de palabras e frases sonoras, e así por diante. d.

variedade de programas

Dependendo da aplicación, as aplicacións poden ser divididos en dous tipos principais: o estándar que converten directamente texto fala e linguaxe ou módulos vocais usados en aplicacións de música.

Para unha comprensión máis completa do cadro, consideramos ambas clases, pero máis énfase colocarase aínda con sintetizadores de voz para o seu nomeamento directa.

Pros e contras das aplicacións de voz máis simple

En canto ás vantaxes e inconvenientes deste tipo de programa, primeiro considerar todos os mesmos inconvenientes.

Primeiro de todo, debe ser claramente entendido que o ordenador - é o ordenador, que, nesta fase do desenvolvemento da fala humana poden ser sintetizados de forma moi vaga. En programas simples, moitas veces hai problemas coa produción de estrés en palabras, redución da calidade de son e dispositivos móbiles - o aumento do consumo de enerxía, e descarga veces non autorizada de módulos de voz.

Pero a falta de beneficios, porque moitos entender a información sonora moito mellor que visual. Lexibilidade é evidente.

Como usar un sintetizador de voz?

Agora algunhas palabras sobre os principios básicos da utilización deste tipo de programa. Instalar sintetizador de voz pode ser de calquera tipo sen os problemas. En sistemas estacionarios usando o instalador estándar, onde a principal tarefa é escoller os módulos de idiomas soportados. Para dispositivos móbiles, pode baixar o arquivo de instalación a partir da tenda oficial ou unha tenda como Google Play ou a AppStore, tras o cal a aplicación se instala automaticamente.

Normalmente, cando comeza a outros que o idioma por defecto configuración, non é necesario para producir. Con todo, ás veces, o programa pode ser solicitado para escoller a calidade do son (en defecto, aplicable universalmente, a frecuencia de mostraxe 4410 Hz, a profundidade de 16 bits e taxa de bits de 128 kbit / s). En dispositivos móbiles, estes números a continuación. Con todo, a base de un voto particular. Mediante o modelo de pronuncia estándar, aplicando o filtro e ecualizador de son son alcanzados precisamente este ton.

En uso, pode escoller varias opcións para a tradución do texto: entrada de texto manualmente, o son xa ten o texto do ficheiro, a integración en outras aplicacións (por exemplo, navegadores web) coa activación de resultados ou ler o contido do texto nas páxinas en liña. Só ten que seleccionar o curso de dereito de acción, linguaxe e voz que todo isto vai ser pronunciada. Moitos programas teñen diversas variedades de votos: ambos os sexos masculino e feminino. Para activar o proceso de reprodución é comunmente botón de inicio utilizado.

Se falamos sobre como desactivar o sintetizador de voz, pode haber varias opcións. No caso máis simple, unha reprodución botón deixar no programa. No caso de integración na desactivación do navegador se realiza no contexto de extensións ou eliminación completa do plug. Pero con dispositivos móbiles, a pesar do apagado inmediato pode ser un problema, que será discutido por separado.

A configuración da aplicación musicais e escribir moito máis difícil. Por exemplo, na aplicación FL Studio ten un módulo de voz, onde podes escoller varios tipos de votos para cambiar os axustes de ton, velocidade de reprodución, e así por diante. D. Para a produción de estrés antes unha sílaba usar o símbolo "_". Pero este sintetizador só é bo para a creación de voces robóticas.

Pero aquí está o paquete de Yamaha Vocaloid refírese ao tipo de programas profesionais. Tecnoloxía Text-to-Speech é aplicado en toda a extensión. Na configuración, ademais das opcións estándar, pode definir a articulación, glissando, usar bibliotecas con vocais artistas profesionais, formar palabras e frases, axustándose os segundo as notas, e mesmo unha chea de cousas. Non sorprende que o paquete con só un vocal leva uns 4 GB ou máis no paquete de instalación, e despois de desembalar - dúas a tres veces máis.

sintetizadores de voz con voces rusas: un breve panorama dos máis populares

Pero de volta para as aplicacións máis simple e discutir os máis populares.

RHVoice - segundo a maioría dos expertos, a mellor sintetizador de voz é o desenvolvemento ruso de autoría Olga Yakovleva. A versión estándar está dispoñible tres voces (Alexander, Irene, Helen). As opcións son simples. E o propio programa pode ser usado como un programa autónomo que sexa compatible con SAPI5, e como o módulo de pantalla.

Acapela - moi unha aplicación interesante, a principal característica que é un texto de voz case ideal para máis de 30 idiomas. Na versión normal, pero só unha voz está dispoñible (Allen).

Vocalizer - unha poderosa aplicación cunha voz feminina Milena. Moitas veces, este programa é usado en call-centers. Hai moitas opcións de configuración acento, volume, lectura e instalar taxa de dicionarios adicionais. A principal diferenza é que o mecanismo de fala poden ser integrados en programas como o Cool Reader, Moon + Reader Pro ou Full Calle ID pantalla.

Festival - unha síntese de voz poderosa utilidade e recoñecemento, deseñado para Linux e Mac OS X. A aplicación vén cun código fonte aberto e ademais dos paquetes de idioma por defecto, ten o apoio da lingua finlandesa e mesmo Hindi.

eSpeak - aplicacións de voz que soporta máis de 50 idiomas. A principal desvantaxe é considerado para gardar arquivos para a voz sintetizada só en formato WAV, que ocupa moito espazo. Pero o programa é multiplataforma e pode ser usado mesmo en sistemas móbiles.

Problemas con sintetizador de voz para Google Android

Cando axustado para sintetizador de voz "nativa" de Google, os usuarios quéixanse constantemente do feito de que espontaneamente implica cargar módulos de idiomas adicionais que poden non só ter un período de tempo suficientemente longo, pero tamén consumen ancho de banda.

Librarse dela na lata é Android-sistemas moi sinxelo. Para iso, use o menú Configuración, despois ir a lingua ea sección de entrada de voz, seleccione a busca por voz e recoñecemento de voz parámetro Desconectado Prema na cruz (off). Ademais, recoméndase a limpar as aplicacións de caché e reiniciar o dispositivo. Ás veces pode ser necesario na aplicación de optar por notificacións.

Cal é o resultado?

Levantando resultado, podemos dicir que na maioría dos casos, os usuarios comúns vai abordar o programa máis simple. Todas as avaliacións líder RHVoice. Pero para os músicos que queren acadar unha voz soando natural, a diferenza entre unha síntese vocal e do ordenador ao vivo non foi sentida na audiencia, é mellor dar preferencia a Vocaloid tipos de programas, especialmente como un número de bibliotecas adicionais de voz, e as opcións de tantas posibilidades está dispoñible para eles, que a primitiva aplicacións, como eles din, e algúns non eran.