Какие существуют виды технологий преобразования голоса в компьютерных программах?

Некоторые виды технологий преобразования голоса в компьютерных программах:

• Синтез речи (TTS). habr.com www.fromtech.ru Программа анализирует текст и создаёт звуки, которые имитируют человеческий голос. habr.com Некоторые возможности TTS:

• Клонирование голоса. habr.com www.fromtech.ru Использование короткого образца голоса, который может быть любого размера, вплоть до нескольких секунд. habr.com

• Эмоциональный синтез. habr.com Добавление разных эмоциональных оттенков и стилей. habr.com

• Многоязычный синтез. habr.com Учёт особенностей каждого языка: грамматики, интонаций, ударений, а также сложных фонетических правил. habr.com

• Диалектный синтез. habr.com Учёт региональных особенностей, акцентов и диалектов. habr.com

• Персонализированный синтез. habr.com Создание голоса под конкретные потребности и предпочтения. habr.com В отличие от клонирования, этот синтез может основываться не на образце конкретного человека, а на заранее выбранных характеристиках голоса (тембр, интонация, скорость речи). habr.com

• Синтез шепота или крика. habr.com Отдельная задача синтеза, когда речь должна быть тихой (например, шепот) или, наоборот, более громкой и уверенной. habr.com

• Голосовые изменители. speechify.com Инструменты позволяют модифицировать голос в реальном времени, когда пользователь говорит в микрофон, или изменять заранее записанные аудиофайлы. speechify.com Некоторые возможности таких программ: преобразование мужского голоса в женский, превращение речи в механический монотон робота и другие. speechify.com

Также существуют конкатенативный, формантный и нейросетевой (параметрический) типы синтеза голоса: media.mts.ru

• Конкатенативный синтез. media.mts.ru Работает как конструктор из готовых фрагментов: берёт заранее записанные фрагменты человеческой речи (фонем, слогов, слов) и соединяет их между собой. media.mts.ru
• Формантный метод. media.mts.ru Более гибкий по сравнению с конкатенативным, помогает создавать речь с нуля и не требует большой базы записей. media.mts.ru Минус — речь звучит недостаточно естественно. media.mts.ru
• Нейросетевой синтез голоса. media.mts.ru Обучается на большом количестве данных. media.mts.ru Благодаря этому звук получается максимально естественным и качественным. media.mts.ru Подход требует серьёзных вычислительных мощностей. media.mts.ru