Как развивались технологии синтеза речи за последние 20 лет?

За последние 20 лет технологии синтеза речи развивались, в частности, по следующим направлениям:

• Улучшение естественности и выразительности. na-journal.ru Новые модели стремятся сделать синтезируемую речь более естественной и выразительной, учитывая интонации, акценты и эмоциональную окраску. na-journal.ru
• Мультиязычность и мультиспикерность. na-journal.ru Разрабатываются модели, способные синтезировать речь на различных языках и голосами разных спикеров. na-journal.ru
• Персонализация. na-journal.ru Адаптация голосов под индивидуальные предпочтения пользователей, что позволяет создавать более персонализированные голосовые ассистенты. na-journal.ru
• Оптимизация вычислительных ресурсов. na-journal.ru Снижаются требования к вычислительным мощностям, что позволяет использовать технологии синтеза речи на устройствах с ограниченными ресурсами. na-journal.ru

Некоторые достижения в развитии технологий синтеза речи:

• WaveNet. na-journal.ru www.forbes.ru В 2016 году Google представил генеративную модель, которая использовала параметрический подход и смогла синтезировать речь, максимально приближённую к человеческой. blog.skillfactory.ru www.forbes.ru
• Tacotron 2. vc.ru na-journal.ru В 2017 году Google создала нейросетевые архитектуры, которые позволяли синтезировать речь на основе сгенерированных из текста спектрограмм. vc.ru
• Большие акустические SSL-модели. www.forbes.ru Способны бесконтрольно обучаться на любых наборах аудиоданных, стали универсальными инструментами для кодирования звуков, речи, музыки и прочих аудиосигналов. www.forbes.ru
• Современные модели. www.forbes.ru Например, Bark, предлагают генерацию новых голосов, фоновой музыки и различных звуковых эффектов на основе интуитивных текстовых подсказок (промптов). www.forbes.ru