તાજેતરમાં RHVoice 1.6.0 ઓપન સ્પીચ સિન્થેસિસ સિસ્ટમના નવા સંસ્કરણની જાહેરાત કરવામાં આવી હતી, જે શરૂઆતમાં રશિયન ભાષા માટે ઉચ્ચ-ગુણવત્તાની સહાય પૂરી પાડવા માટે વિકસાવવામાં આવી હતી, પરંતુ બાદમાં અંગ્રેજી, પોર્ટુગીઝ, યુક્રેનિયન, કિર્ગીઝ, તતાર અને જ્યોર્જિયન સહિત અન્ય ભાષાઓ માટે સ્વીકારવામાં આવી હતી.
જેઓ RHVoice થી અજાણ છે, હું તમને કહી શકું છું કે આ પ્રોજેક્ટ HTS પ્રોજેક્ટના વિકાસનો ઉપયોગ કરે છે (HMM/DNN-આધારિત સ્પીચ સિન્થેસિસ સિસ્ટમ) અને આંકડાકીય મોડેલો સાથે પેરામેટ્રિક સંશ્લેષણ પદ્ધતિ (HMM - હિડન માર્કોવ મોડલ પર આધારિત આંકડાકીય પેરામેટ્રિક સિન્થેસિસ).
આંકડાકીય મોડલના ફાયદા ઓછા ઓવરહેડ ખર્ચ અને ઓછી CPU પાવર માંગ છે. તમામ કામગીરી વપરાશકર્તાની સિસ્ટમ પર સ્થાનિક રીતે કરવામાં આવે છે. વૉઇસ ક્વૉલિટીના ત્રણ સ્તરો સપોર્ટેડ છે (ક્વૉલિટી જેટલી નીચી, પર્ફોર્મન્સ જેટલું ઊંચું અને પ્રતિસાદનો સમય ઓછો).
આંકડાકીય મોડેલનો ગેરલાભ એ ઉચ્ચારની પ્રમાણમાં નીચી ગુણવત્તા છે, જે સંશ્લેષણકર્તાના સ્તર સુધી પહોંચતું નથી જે પ્રાકૃતિક ભાષણના ટુકડાઓના સંયોજનથી ભાષણ પેદા કરે છે, પરંતુ તેમ છતાં પરિણામ તદ્દન સુવાચ્ય છે અને સ્પીકરના પ્રસારણ જેવું લાગે છે. તુલનાત્મક રીતે, સિલેરો પ્રોજેક્ટ, જે મશીન લર્નિંગ ટેક્નોલોજી અને રશિયન ભાષા માટે મોડલના સેટ પર આધારિત સ્પીચ સિન્થેસિસ માટે ઓપન એન્જિન પ્રદાન કરે છે, તે RHVoice કરતાં ગુણવત્તામાં શ્રેષ્ઠ છે.
રશિયન ભાષા માટે 13 અવાજો ઉપલબ્ધ છે અને અવાજો કુદરતી વૉઇસ રેકોર્ડિંગના આધારે રચાય છે. સેટિંગ્સમાં, તમે ઝડપ, પિચ અને વોલ્યુમ બદલી શકો છો.
ટેમ્પો બદલવા માટે સોનિક લાઇબ્રેરીનો ઉપયોગ કરી શકાય છે. ઇનપુટ ટેક્સ્ટના વિશ્લેષણના આધારે ભાષાને આપમેળે શોધી અને બદલવી શક્ય છે (ઉદાહરણ તરીકે, અન્ય ભાષામાં શબ્દો અને અવતરણો માટે, આપેલ ભાષાના મૂળ સંશ્લેષણ મોડેલનો ઉપયોગ કરી શકાય છે). વૉઇસ પ્રોફાઇલ્સ સપોર્ટેડ છે, જે વિવિધ ભાષાઓ માટે વૉઇસ સંયોજનોને વ્યાખ્યાયિત કરે છે.
કોડ C++ માં લખાયેલ છે અને LGPL 2.1 લાયસન્સ હેઠળ વિતરિત કરવામાં આવે છે, તે ઉપરાંત સિસ્ટમ GNU/Linux, Windows અને Android પર સપોર્ટેડ છે. પ્રોગ્રામ ટેક્સ્ટને સ્પીચમાં કન્વર્ટ કરવા માટે લાક્ષણિક TTS (ટેક્સ્ટ-ટુ-સ્પીચ) ઈન્ટરફેસને સપોર્ટ કરે છે: SAPI5 (Windows), સ્પીચ ડિસ્પેચર (GNU/Linux), અને Android Text-to-Speech API, પરંતુ NVDA સ્ક્રીન પર પણ વાપરી શકાય છે.
RHVoice 1.6.0 મુખ્ય નવી સુવિધાઓ
સિસ્ટમના આ નવા સંસ્કરણમાં, તે મુખ્ય નવીનતા તરીકે બહાર આવે છે રશિયન ભાષણ માટે 5 નવા અવાજો ઉમેરવામાં આવ્યા છે, આ ઉપરાંત, અલ્બેનિયન ભાષા માટે સમર્થન લાગુ કરવામાં આવ્યું છે.
આ નવા સંસ્કરણમાં બીજો ફેરફાર જે બહાર આવે છે તે છે યુક્રેનિયન ભાષા માટે શબ્દકોશ અપડેટ કરવામાં આવ્યો હતો અને તે આધારને ઇમોજી અક્ષરો વ્યક્ત કરવા માટે વિસ્તૃત કરવામાં આવ્યો છે.
તે કાર્યને પણ પ્રકાશિત કરે છે જે એસએન્ડ્રોઇડ પ્લેટફોર્મની એપ્લિકેશનમાં ભૂલોને સુધારવામાં કરવામાં આવેલ છે, કસ્ટમ શબ્દકોશો આયાત કરવાનું સરળ બનાવવામાં આવ્યું છે અને Android 11 પ્લેટફોર્મ માટે સપોર્ટ ઉમેરવામાં આવ્યો છે.
બીજી તરફ, અમે એ પણ શોધી શકીએ છીએ કે એન્જિનના કોર પર નવી રૂપરેખાંકનો અને કાર્યક્ષમતા ઉમેરવામાં આવી છે, જેમાં g2p.case, word_break અને સમાનતા ફિલ્ટર્સ સાથે સુસંગતતાનો સમાવેશ થાય છે.
છેલ્લે, જો તમને આ નવા સંસ્કરણ વિશે વધુ જાણવામાં રસ હોય, તો તમે વિગતોનો સંપર્ક કરી શકો છો નીચેની કડીમાં
RHVoice ડાઉનલોડ કરો
કરવા માટેજેઓ આ સિસ્ટમ ડાઉનલોડ કરવા માટે સક્ષમ થવામાં રસ ધરાવતા હોય વાણી સંશ્લેષણ માટે, તમે માંથી ઇન્સ્ટોલેશન પેકેજો મેળવી શકો છો નીચેની કડી
આ નવા સંસ્કરણની જાહેરાતમાં પણ ઉલ્લેખ કરવામાં આવ્યો છે કે Android વપરાશકર્તાઓ માટે જે તમારા ઉપકરણ પર પહેલાથી જ RHVoice ઇન્સ્ટોલ કરેલું છે, આ આપમેળે અપડેટ થશે, જો સ્વચાલિત અપડેટ્સ સક્ષમ હોય, તો પ્રક્રિયા જાતે કરવાની જરૂર નથી.
અપડેટ્સ અક્ષમ હોવાના કિસ્સામાં અને તમે નવું સંસ્કરણ મેળવવા માંગો છો, તમે અપડેટ્સ શોધવાનું કાર્ય જાતે જ સક્રિય કરી શકો છો.
અપડેટ કરેલ RHVoice ફરી ચાલુ થતાની સાથે જ તે નવો ભાષા ડેટા ડાઉનલોડ કરવાનો પ્રયાસ કરશે. જ્યારે નવો ડેટા ડાઉનલોડ થશે, ત્યારે RHVoice તેનો ઉપયોગ કરવાનું શરૂ કરશે.