acapella multimedia russian 255 channels что это
|
На сегодняшний день, для синтеза речи компьютером, самый лучший и качественный голосовой движок TTS Acapela Multimedia Alyona.
Вместе с Acapela Alyona используется Lexicon Manager — удобный редактор словарей, который помогает изменять произношение слов собственноручно, как буквенно, так и фонетически.
Доп. информация: Text-to-speech (TTS) engine или движки синтеза речи — программы похожие на драйвера, предназначенны для преобразования и синтеза текста в звуковую волну. Движки синтеза речи не имеют встроенного управления и для того, чтобы Ваш компьютер заговорил, не достаточно одного TTS. Для использования TTS необходима программа синтеза (TextAloud, Cool Reader, Balabolka и т.д), которая заменяет интерфейс, позволяя работать с TTS, изменять его настройки, звучание и тембр речи, и управлять остальными возможностями.
| Балаболка 2.5.0.525 | ToM Reader 2.73 | MP3book2005 |
 |  |  |
| (7 Mb) Скачать (Зеркало)- бесплатная и самая удачная, со всеми необходимыми функциями, возможность записи в mp3. | (1 Mb) Скачать (Зеркало) — бесплатная, привычный вид книги, наглядные закладки, возможность записи в mp3. | (7 Mb) Скачать (Зеркало) — со всеми необходимыми функциями, возможность записи в mp3. |
5. AlyonaSlovari-Alyona22k (1.2 Mb) Скачать (Зеркало)- словари к Алене на 24345 слов.
7. MSagent.exe и ms_speech_api.exe (архив-1,09 МБ) Скачать (Зеркало)- MSagent.exe (400 KB) — агент для работы с движками распознавания и синтеза речи, ms_speech_api.exe (830 KB) — библиотеки необходимые для работы программ распознавания и синтеза речи. (для Windows 7 не нужны)
Установка.
1)Установите главный управляющий элемент Infovox Desktop 2.220 Engine
2) Поверх установите голосовой движок Alyona Russian 2.220
3) Запусти License Manager и скопируй кнопкой «Copy to Clipboard» License Code
4) Запусти key.exe, вставь туда код и нажми «Make Key», чтобы сгенерировать лицензионный файл.
5) Импортируй полученный файл в License Manager нажав «Import License File»
6) Добавляем словари с помощью Lexicon Manager (Lexicon-Voice Associations — Add Lexicon. или File — Import Lexicon)
Поддерживает OS
Николай Nicolai — Acapela ELAN Tempo Multimedia.
Nikolai немного устарел, но по тембру кому-то он больше понравится.
MP3book2005 программа для редактирования словаря, чтения, и записи в mp3. Редактирует словарь прекрасно, но хотелось бы, что бы вид был книжный. Поддерживаемые форматы: txt, rtf, htm, fb2.
ToM Reader Russian программа для чтения. Главное достоинство в том, что не вмешивается в произношение голосового движка, и читает по предложениям, а не по абзацам как во многих программах, поэтому легко отслеживать чтение. Выглядит как книга в переплёте, что тоже удобно. Поддерживаемые форматы: txt, doc, rtf, htm.
Если возникают вопросы, заходите на ФОРУМ, обязательно отвечу.
Acapela multimedia russian 255 channels что это
Автор Ёаша Котов задал вопрос в разделе Системное администрирование
Что за программа появилась? Acapela multimedia russian 255 channels удалять её нет для чего она нужна, что она делает? и получил лучший ответ
Ответ от
удаляй, снова какой-то «амиго» шлак, скорее всего
Acapela Elan TTS Russian Digalo Nikolai — программа синтезатор голоса, предназначена для воспроизведения русской речи в приложениях использующих Microsoft Speech API.
Программы синтезаторы, именуемые еще, как речевые движки, необходимы приложениям, способным выполнять чтение текстовых документов голосом, как например приложения: Балаболка, Говорилка или ICE Book Reader для чтения текстовых документов вслух.
Выбор голосового движка в программе Балаболка
Кроме представленного голосового синтезатора Acapela Elan TTS Russian Digalo Nikolai существуют и ряд других, не менее популярных, голосовых движков, например RealSpeak Solo — Катерина, Acapela Alyona или Loquendo TTS Olga.
Синтез речи или чтение электронных книг голосом, Acapela Alyona.
|
На сегодняшний день, для синтеза речи компьютером, самый лучший и качественный голосовой движок TTS Acapela Multimedia Alyona.
Поддерживает OS
Nikolai немного устарел, но по тембру кому-то он больше понравится.
MP3book2005 программа для редактирования словаря, чтения, и записи в mp3. Редактирует словарь прекрасно, но хотелось бы, что бы вид был книжный. Поддерживаемые форматы: txt, rtf, htm, fb2.
ToM Reader Russian программа для чтения. Главное достоинство в том, что не вмешивается в произношение голосового движка, и читает по предложениям, а не по абзацам как во многих программах, поэтому легко отслеживать чтение. Выглядит как книга в переплёте, что тоже удобно. Поддерживаемые форматы: txt, doc, rtf, htm.
Если возникают вопросы, заходите на ФОРУМ, обязательно отвечу.
торрент windows
Говорилка 2.22 + Речевой движок Elan TTS Николай (2009)
полный обзор Говорилка 2.22 + Речевой
Год/Дата Выпуска: 2009
Версия: 2.22
Разработчик: Антон Рязанов
Сайт разработчика: http://www.vector-ski.ru/vecs/govorilka/index.htm
Разрядность: 32bit
Совместимость с Vista: полная
Совместимость с Windows 7: полная
Язык интерфейса: Русский
Таблэтка: Не требуется
Системные требования:
Операционная система: Windows XP/Vista/Seven
Процессор: Pentium III
Память: 32 МБ
Видеокарта: 16 бит
Свободное место на ЖД: 29 МБ
Говорилка отлично подходит для быстрого создания аудио книг.
С этим движком возможна ускоренная запись в МР3 в 100 раз быстрее.
Говорилка нужна тому, кому удобнее слушать тексты, чем читать их с экрана ЖК или бережёт свoе зрение и хочет читать тексты электрoнных книг сидя подальше от мoнитора, кто хочет узнать как звучат слoва и фразы на инoстранном языке. Текущая версия ПО предназначена для тех, кто хoчет заставить свой компьютер говорить и кoму просто хочется узнать, как это все рабoтает.
Дополнительные вoзможности:
изменение скорoсти чтения и высоты голоса; открытие больших файлов в DOS и Windows кoдировке, а также чтение текста из файлов MS Word и HTML; запиcь речи в звуковой файл (wav или mp3 ); автoматическая прокрутка текста на экране, чтобы всегда был виден читаемый фрагмент; чтение текста, находящегося в буфере oбмена, возможность изменять прoизношение (настраиваемые словари).»
Установка:
1.Установи программу Govorilka222.
2.Установи Acapela-Elan-TTS-SpeechCube-5.1-RUS-Nicolai_MmE255.
3.Скинуть в Dic (C:Program FilesГоворилкаDic) словарь Digalo Russian Nicolai.dic.
4.Открыть Говорилку и в окне Голос выбрать ELAN TTS Russian (Nicolai 16Khz), в окне Словари выбрать Digalo Russian Nicolai.
Оптимальные настройки. спасибо Biklyk
НАСТРОЙКИ в говорилке при чтении:
голос Elan-TTS
Скорость
90 медленно
100 нормально
120 быстро
Изменив скорость чтения и тембр голоса
закройте говорилку и снова откройте-
новые настройки запомнятся и заработают.
Мы Опубликовали Качественный, Простой, Доступный и Быстрый Синтез Речи
Вокруг темы синтеза речи сейчас много движения: на рынке есть огромное число тулкитов для синтеза, большое число закрытых коммерческих решений за АПИ (как на современных технологиях, так и на более старых, т.е. «говорилки») от условных GAFA компаний, большое количество американских стартапов, пытающихся сделать очередные аудио дипфейки (voice transfer).
Но мы не видели открытых решений, которые бы удовлетворяли одновременно следующим критериям:
Мы попытались учесть все эти пункты и представить комьюнити свое открытое некоммерческое решение, удовлетворяющее этим критериям. По причине его публичности мы не заостряем внимание на архитектуре и не фокусируемся на каких-то cherry picked примерах — вы можете оценить все сами, пройдя по ссылке.
Краткий Обзор Решений
Данная статья не ставит своей целью глубокий технический обзор всех доступных решений. Мы хотим просто обрисовать некий ландшафт из доступных вариантов с минимальной степенью готовности. Понятно, что мы не рассматриваем многочисленные тулкиты, а смотрим в первую очередь какие есть более-менее готовые решения с ненулевой библиотекой голосов и подобием поддержки / комьюнити:
Конкатенативные модели (появившиеся до DL бума). Из того, что хоть как-то поддерживается и живо и можно запустить «as-is» без археологических раскопок, я нашел только rhvoice (я глубоко не копал, но есть целые форумы, посвященные использованию голосов из Windows, но вряд ли это можно назвать поддерживаемым решением). На момент, когда я пользовался проектом ради интереса, он по сути был заброшен, но потом у него появился новый «хозяин». К плюсам такого рода решений можно отнести их скорость и нетребовательность к ресурсам (исключая ресурсы, чтобы заставить это работать). Очевидный и основной минус — звучит как говорилка. Менее очевидный минус — довольно тяжело оценить стоимость обладания. Качество звучания: 3+ по пятибалльной шкале;
Tacotron2 + WaveNet (оригинальный WaveNet принимал на вход лингвофичи, но для такотрона поменяли на более удобные мелспектрограммы). Основная проблема — очень медленный инференс ввиду авторегрессионности модели и необходимость запретительно большого количества ресурсов и времени. Качество звучания: 4+;
Tacotron2 + WaveRNN (тоже с переходом от лингвофичей к спектрограммам). Вокодер заметно быстрее предыдущего: при использовании всех хаков можно получить даже риалтайм синтез без GPU, правда естественность звука несколько просядет. Качество звучания: 3.5-4;
Tacotron2 + Parallel WaveNet. Упомянутый выше медленный вокодер был использован в качестве учителя для получения новой довольно быстрой параллельной модели вокодера: с ней стал возможен синтез быстрее риалтайма, но все еще на мощных GPU. Из недостатков — дистилляция требует качественную учительскую модель и соответствующую схему обучения. Качество звучания: 4+;
Tacotron2 + multi-band WaveRNN. Тоже развитие предыдущих идей, тоже распараллеливание в некотором смысле — здесь доступен синтез быстрее риалтайма уже на CPU. Однако, не слишком популярная работа, меньше имплементаций и поддержки, хотя некоторые подходы хороши и были успешно использованы в более поздних моделях; Качество звучания: 3.5-4+;
Tacotron2 + LPCNet. Интересная идея про сочетание DL и классических алгоритмов, что может дать буст по скорости до подходящего для продакшена уровня и на CPU, но требует вдумчивого допиливания для качественных результатов. Качество звучания: 3.5-4+;
Многочисленные решения на базе Tacotron2 + Waveglow от Nvidia как нынешний стандарт для задачи синтеза речи. Никто не пишет про свой «секретный соус» (например как 15.ai делает голос по 15 минутам и сколько там моделей в цепочке). Есть много имплементаций и репозиториев, которые «копируют» чужой код. Может звучать на cherry-picked примерах неотличимо от живых людей, но когда смотришь реальные модели от комьюнити, качество заметно варьируется, а детали улучшенных решений не раскрываются. Архитектурно к такотрону и его аналогам по скорости и цене обладания претензий нет, но Waveglow очень прожорлив к ресурсам как на тренировке, так и в продакшене, что делает его использование по сути нецелесообразным. Качество звучания: 3.5-4+;
Замена Tacotron2 => FastSpeech / FastSpeech 2 / FastPitch, то есть уход к более простой сетке (на базе forced-align от такотрона и миллион более хитрых и сложных вариантов). Из полезного дает контроль темпа речи и высоты голоса, что неплохо, вообще упрощает и делает более модульной конечную архитектуру. Немаловажно, что сетка перестает быть рекуррентной, что открывает просторы для оптимизаций по скорости. Качество звучания: 3.5-4+;
Оценки Качества и Примеры Аудио
Чтобы не вдаваться в дебри, мы поступили максимально просто: синтезировали аудио из валидационной выборки датасетов (
200 файлов на спикера), смешали с оригинальными аудио этой же выборки и дали группе из 24 людей для оценки качества звучания по пятибалльной шкале. Для 8kHz и 16kHz оценки собирали раздельно, градация оценок — [1, 2, 3, 4-, 4, 4+, 5-, 5] — с большей детализацией для более качественного звука.
Всего было поставлено 37,403 оценок. 12 человек сделали оценку полностью. Еще 12 людей успели проставить только от 10% до 75% оценок. Дальше для каждого спикера мы просто посчитали среднее (в скобочках приведено стандартное отклонение). Расчет среднего от медиан по каждому аудио завышает средние оценки на 0.1 — 0.2 балла, но не влияет на отношения. Показательны естественно скорее отношения средних баллов друг к другу. Дисперсия довольно высокая, но оценки пользователей отличались сильно и мы решили не выбрасывать никакие, т.к. оценки одного пользователя были консистентными друг с другом. По ряду соображений мы провели такую оценку только на своих уникальных голосах:
| Спикер | Оригинал | Синтез | Отношение | Примеры |
|---|---|---|---|---|
| aidar_8khz | 4.67 (.45) | 4.52 (.55) | 96.8% | link |
| baya_8khz | 4.52 (.57) | 4.25 (.76) | 94.0% | link |
| kseniya_8khz | 4.80 (.40) | 4.54 (.60) | 94.5% | link |
| aidar_16khz | 4.72 (.43) | 4.53 (.55) | 95.9% | link |
| baya_16khz | 4.59 (.55) | 4.18 (.76) | 91.1% | link |
| kseniya_16khz | 4.84 (.37) | 4.54 (.59) | 93.9% | link |
Мы просили людей в первую очередь оценивать естественность звучания речи (а не качество звука). Нас удивило, что по расспросам обычные люди на своих ежедневных девайсах не особо слышат разницу между 8 kHz и 16 kHz (что подтверждается оценками)! Самые низкие абсолютные оценки и самое низкое отношение у Байи. Самые высокие абсолютные оценки — у Ксении, а относительные — у Айдара. Тут важно отметить, что у Байи меньше поставлен голос, но поэтому он звучит более по-человечески за счет этого. У Байи также выше дисперсия оценок.
Ручной просмотр аудио с большими расхождениями показывает ошибки спикеров, ошибки такотрона, ошибочные паузы (тоже вследствие ошибок такотрона), имена собственные и сложные слова, которые вообще непонятно как читать. Естественно 75% таких расхождений в синтезе (а не оригинале) и частота дискретизации особо не влияет.
Если мы пытались дать численную оценку естественности, то еще хорошо бы оценить «неестественность» или «роботизированность» голоса. По идее ее можно оценивать, давая людям пару аудио на выбор и прося выбрать между ними. Но мы пошли дальше и по сути применили «двойной слепой тест». Мы в случайном порядке дали людям поставить оценки «одному и тому же аудио» 4 раза — оригинал и синтез с разной частотой дискретизации. Для участников исследования, разметивших весь датасет, получается такая таблица:
| Сравнение | Хуже | Одинаково | Лучше |
|---|---|---|---|
| 16k против 8k, оригинал | 957 | 4811 | 1512 |
| 16k против 8k, синтез | 1668 | 4061 | 1551 |
| Оригинал против синтеза, 8k | 816 | 3697 | 2767 |
| Оригинал против синтеза, 16k | 674 | 3462 | 3144 |
Тут напрашивается несколько выводов:
Можете оценить сами, как это звучит, как для наших уникальных голосов, так и для спикеров из внешних источников (больше аудио для каждого спикера можно синтезировать в colab.
Если вы не дружите с колабом или глаза разбегаются от количества файлов в папках с примерами, то вот несколько случайных аудио:
