Синтез речи

Синтез речи существует давно, и до недавнего времени его выдавала одна и та же примета — ровный темп без интонации. Старые системы склеивали речь из заранее записанных кусочков, и на стыках это было слышно.

Попробовать синтез

Результат за минуту · Есть бесплатные шаблоны

Нейросетевой синтез устроен иначе: он не склеивает, а порождает звуковую волну целиком, с учётом смысла всей фразы. Отсюда паузы в нужных местах, дыхание и логические ударения.

Чем отличается от старых читалок
Прежние системы собирали фразу из записанных фрагментов — отсюда механические стыки и одинаковая интонация в любом предложении. Нейросетевая модель порождает звук заново, опираясь на смысл всей фразы целиком.
Откуда берётся интонация
Модель предсказывает не только звуки, но и просодию: где повысить тон, где сделать паузу, где ускориться. Именно поэтому пунктуация и структура текста влияют на звучание.
Дыхание и живость
В синтезе последнего поколения появляются призвуки, которых нет в буквах: короткий вдох перед длинной фразой, лёгкое придыхание. Их отсутствие как раз и выдавало машину.
Где предел
Сложные ударения в редких словах и именах модель иногда ставит по-своему. На коротком фрагменте это проверяется за полминуты, и проблемное слово можно переписать.