Обзор мобильных Text-To-Speech движков
Если Ваш родной язык не английский и Вы не пишете приложения только для iPhone, то Вам придется достаточно трудно, если Вы захотите найти подходящий инструментарий для разработки т.н. мобильных «voice-enabled» приложений.
В данном обзоре приведена классификация и описаны самые достойные из рода mobile TTS engine.
Я занимаюсь исследованиями в области проектирования интерфейсов мобильных устройств для людей с ограниченными возможностями зрения. Для реализации одного из моих проектов мне потребовался движок генерации голоса с мультиязыковой поддержкой (как минимум два языка – английский и русский). Это и послужило причиной поиска синтезатора речи.
Для удобства разделим движки TTS на три класса:
- коммерческие;
- свободные (решения лицензированные по GPL, LGPL и более «мягким» лицензиям типа BSD License или wxWindows Licence, которые допускают коммерческую разработку продуктов);
- встроенные (средства, предоставляемые самой операционной системой).
Коммерческие движки
SVOX Mobile TTS
Цена: n/a
Языки: 26, включая русский
Субъективная оценка качества звучания: высокое
Мобильные ОС: Android, Symbian, Windows CE/Windows Mobile, BREW
Возможность разработки коммерческих продуктов: есть
Компания SVOX имеет наиболее «вкусный» с технической точки зрения продукт — SVOX Mobile TTS. Однако, поскольку компания работает в основном в B2B сегменте, на мои два письма с запросом цены они так и не ответили.
Acapela TTS
Цена: 2800€ плюс так называемая run-time license, за которую в самом лучшем случае придется платить по 49€ за каждое распространенное приложение
Языки: 23, включая русский
Субъективная оценка качества звучания: высокое
Мобильные ОС: Symbian, Windows CE/Windows Mobile, Embedded Linux, iOS
Возможность разработки коммерческих продуктов: есть
Сотрудники Acapela Group оказались намного более общительными и ответили буквально через полчаса после заполнения вот этой заявки.
Цена, указанная в шапке, относится к таким операционным системам как Windows Mobile и Symbian, однако бизнес-модель Acapela разнится в зависимости от выбранной ОС. К примеру, наиболее сильно они продвигают направление iOS, для которого сделан отдельный сайт. Там можно зарегистрироваться и бесплатно получить evaluation версию их движка. Цена голого SDK для бывшей iPhone OS составляет 250€. Так же с каждого проданного Вами в App Store приложения снимаются немалые проценты.
Отмечу, что Acapela предоставляет «облачный» синтез речи, а так-же портирование SDK под любую платформу.
Loquendo Embedded TTS
Цена: 3000€ плюс проценты с каждого проданного Вами мобильного приложения
Языки: 26, включая русский
Субъективная оценка качества звучания: высокое
Мобильные ОС: Android, Symbian, Windows CE/Windows Mobile, Embedded Linux, iOS, Maemo, Moblin, MeeGo, PalmOS
Возможность разработки коммерческих продуктов: есть
Движок Loquendo обладает специальными тегами, позволяющими делать речь более естественной, подмешивая такие не совсем «речевые» фишки как кашель, смех и прочее.
Их движок отвечает спецификации SSML 1.0 рекомендованной W3C.
Sakrament TTS
Цена: 1500€ для одной ОС, при покупке пакета сразу для двух языков предоставляется скидка в размере 25%, что составляет 2250€
Языки: английский, русский
Субъективная оценка качества звучания: среднее
Мобильные ОС: Symbian, Windows Mobile
Возможность разработки коммерческих продуктов: есть
Качества синтеза речи Sakrament TTS вполне достаточно, что бы озвучивать короткие фразы типа номеров телефонов или названий приложений. Описание всех версий SDK можно получить здесь.
Свободные движки
Flite
Цена: нет
Языки: английский плюс возможность компиляции языков FestVox
Субъективная оценка качества звучания: низкое
Мобильные ОС: Android, Windows CE/Windows Mobile, iOS, PalmOS
Возможность разработки коммерческих продуктов: есть (CMU licence)
В мире настольных систем хорошо известен синтезатор речи Festival. Он имеет порт под названием Flite для мобильных устройств и встраиваемых систем, который распространяется под их собственной X11-like лицензией, позволяющей свободно распространять данное ПО кому угодно, а так же строить на его основе как коммерческие, так и свободные приложения. Существуют порты для Windows CE/Windows Mobile, PalmOS, Android и iOS.
eSpeak
Цена: нет
Языки: 39, включая русский
Субъективная оценка качества звучания: среднее
Мобильные ОС: Android, Windows CE/Windows Mobile
Возможность разработки коммерческих продуктов: нет (GNU GPL)
Инструкция для компиляции движка под WM включена в дистрибутив, однако на этой платформе eSpeak имеет одно существенное ограничение – генерация голоса возможна только в WAV файл. Собранный TTS engine для Windows Mobile можно получить здесь.
eSpeak портирован на Android. Самый простой способ его попробовать — это установить из Android Market’а приложение TTS Service Extended, которое позволяет переключаться между встроенным движком и eSpeak. Данный TTS движок распространяется на условиях GNU GPL.
Встроенные решения
Встроенные решения присутствуют только в Symbian и Android. По какой-то неизвестной причине Microsoft лишила свою мобильную ОС соответствующего программного интерфейса (MS SAPI).
Symbian
Цена: нет
Языки: английский
Субъективная оценка качества звучания: крайне низкое
Возможность разработки коммерческих продуктов: есть
Встроенный TTS от Symbian Foundation скрывается в классе CMdaAudioPlayerUtility. Хотя в его документации ничего об этом не сказано, он все же позволяет синтезировать речь. К сожалению, русский язык не поддерживается. Качество генерации английской речи очень низкое. Без подготовки довольно трудно понять, что именно он произнес.
Дополнительные языковые пакеты можно загрузить здесь, однако список поддерживаемых телефонов крайне мал. Установка пакетов для русского языка на устройство под управлением Symbain OS S60 5th не дала ожидаемых результатов, встроенный TTS так и не заговорил по-русски.
Отмечу, что имеется достаточно удобное расширение API под названием NSS TTS Utility API, описание которого можно найти здесь.
Android
Цена: нет
Языки: английский, французский, немецкий, итальянский, испанский
Субъективная оценка качества звучания: среднее
Возможность разработки коммерческих продуктов: есть
Встроенная функциональность синтеза речи в Android доступна с версии 1.6. Прекрасное введение в тему можно найти в блоге разработчиков. Android TTS API является не чем иным, как оберткой над SVOX Pico, русский язык, которым, к сожалению, не поддерживается.
Заключение
Выводы каждому придется делать в зависимости от требований к разрабатываемому продукту. Для коммерческих решений крайне важно качество синтеза речи, поэтому выбирать стоит из двух движков – Acapela TTS и Loquendo Embedded TTS. При выборе движка для open source проекта крайне важную роль будет играть список целевых ОС.
Лично для себя я выбрал eSpeak, поскольку мой проект академического толка и я могу себе позволить использование продукта лицензированного по GNU GPL.
Источник
Словари для Android
Участник «online словари»
Словари:
Словарь замен для программы Moon+ Reader. | |
Словарь для преобразования лексиконов из десктопной версии в мобильную с помощью «Балаболки». |
Описание формата словаря для TTS Acapela для Андроида
Формат словаря Acapela для Андроид:
Код:
Цитата :
Грамматический атрибут | Код |
NOUN | 13 |
VERB | 11 |
ADJECTIV | 14 |
DETERMINER | 15 |
ADVERB | 23 |
PREPOSITION | 24 |
NUMBER | 41 |
PRONOUN | 42 |
CONJONCTION | 43 |
Утилита для конвертирования текстового словаря Acapela экспортируемого из Lexicon Manager в словарь для Android
Установка и подключение лексиконов:
скопировать в /SDCard/acapelavoices/alyona22k_hq/NLP/
подключить в файле rur_hd_alyona_22k_lf.bvcu.ini :
Код:
szasz пишет: Чем выше лексикон в списке тем выше приоритет.
Между столбцами используются символы табуляции, а не пробелы.
С учетом последних обновлений лексиконов правильный порядок подключения (рекомендуемый) сейчас такой:
- Лексикон омографов (omograph_lex_mytts_.dic)
- Частотный лексикон (omograph_auto.dic)
- Лексикон трудночитаемых слов (Alyona22k_mytts_.dic)
- «Ё»-лексикон (1_YO_lex.dic и 2_YO_lex.dic)
- Лексикон географических названий (Geografic.dic)
- Лексикон имён и фамилий (propernoun.dic)
- Лексикон запрета чтения разделительных знаков (_punctuation.dic)
Что такое лексикон? Лексикон — это список слов и их фонетическая транскрипция с помощью которой голосовой движок «понимает» как ему нужно читать то или другое слово. Он подключается и работает не зависимо от используемой для чтения программы. Ударение для всех голосов Acapela-Group (в т.ч. Алёна) задаются только через лексикон, причем учитывается также регистр букв слова. Символ пробел игнорируется, допустимы только слова и словосочетания через дефис.
Как построить фонетическую транскрипцию для большого количества разных слов (любых)
Для этого можно воспользоваться этой программой (ACATTS). Выбрав необходимый список слов или текст, для которых нужна транскрипция, программа дает возможность быстро получить фонетическую транскрипцию слов готовую для импорта в лексикон.
Как проверить текст на трудночитаемые слова с учетом моего лексикона?
Для этого можно воспользоваться этой программой (ATTS). Выбрав необходимый список слов или текст, для которых нужна транскрипция, программа дает возможность быстро получить фонетическую транскрипцию слов с учетом подключенных к голосу лексиконов готовую для импорта в лексикон.
Для быстрого создания фонетической транскрипции слова с учетом ударения в нужном месте существует транскриптор — программа, объединяющая в себе все функции вышеперечисленных программ. Программой поддерживается классический формат ударения для Аленки — заглавная буква. Также можно использовать пользовательские словари для создания собственных фонетический правил и\или коррекции уже готовых транскрипций.
Следует обратить внимание что программа работает с голосовым профилем установленным по умолчанию (Alyona22k). Если используется другой голосовой профиль необходимо изменить название профиля в настройках программы на нужный.
Справка по работе с лексиконами для голоса Alyona:
Цитата : Документ описывает некоторые важные аспекты лингвистической обработки русской тексто-речевой системы. Описываются различные типы символов и форматов, допустимых в тексте. Описание основано на символах со стандартным кодом ANSI 1251 для алфавитов кириллицы.
Русский
Английский
Полезные ссылки:
- Acapela TTS Voices, Программа синтеза речи на Андроид
- SVOX Classic Text To Speech Engine, Библиотека чтения текста голосом для других приложений
- TTS для iGO primo, text-to-speech и самостоятельная модификация
Если вы нашли ошибки или неоднозначности в наших словарях дайте нам знать. |
Посетитель
В связи с появлением в android читалке «Moon+ reader» поддержки пользовательских словарей на основе регулярных выражений был переделан словарь для замены начала новых книг, глав, разделов.
Текст вида:
Цитата :
***
Начало строки (Глава; Книга; Раздел) (1; №1; один; первая; двадцать первая; двадцать один; I; XXI)
Начало строки (Эпилог; Пролог)
Заменяется без учета регистра на:
Цитата :
Источник
3 лучших синтезатора речи для Android по мнению World-X
Синтезатор речи или TTS является программным решением, позволяющим воспроизводить текстовую информацию голосом. Благодаря чему , с тало возможным не визуальн ое взаимодействие с о смартфоном для незрячих пользователей , а также прослушивание книг в электронном формате.
На основе личного опыта, м ы решили состави ть собственный рейтинг лучших синтезаторов речи для Android. И г лавным критерием отбора стало «внятное произношение» русскоязычного текста. А этим может похвастать далеко не всякое приложение!
1. Vocalizer
Пожалуй, один из наиболее качественных синтезаторов речи, который отличает чёткое произношение и высокая детализация речи. В приложении более 50 поддерживаемых языков, в том числе «русский».
Есть возможность выбора из трёх русскоязычных голосов. «Мужской Юрий» — подойдёт для прослушивания художественной литературы. «Женские Милена или Катя» — придутся по вкусу пользователям « Google TalkBack” , хотя читают «девушки» ни чуть не хуже.
Найти приложение можно в “Play Market” по запросу “Голос Vocalizer (русский)”. После его установки требуется выбрать голос по умолчанию. Перед покупкой одного из голосов можно воспользоваться 7-дневным пробным периодом, позволяющим ознакомиться с нюансами звучания синтезатора речи.
2. Google
И звестный по голосовому поиску, синтезатор речи от Google имеет пару несравненных достоинств. Во-первых, приложение совершенно бесплатное. А во-вторых по умолчанию уже предустановленно для большинства современных смартфонов.
Среди русскоязычных голосов есть несколько мужских и женских. Правда, они имеют лишь незначительные отличия по тембру. Хотя синтезатор речи демонстрирует чёткое произношение, ему не хватает в ыразительности, чтобы слушать книги.
Найти приложение можно в « Play Market » по запросу “ Синтезатор речи Google”. После установки зазвучит сетевой голос по умолчанию. Для загрузки полного пакета русскоязычных голосов требуется подключение Wi-Fi.
3. RHVoice
А вот синтезатор речи под названием « RHVoice » является разработкой отечественного программиста Ольги Яковлевой. С недавнего времени приложение стало доступно и для смартфонов под управлением Android.
Среди русскоязычных голосов есть знакомые «Александр и Елена», а также появилось ещё пара женских «Анна и Ирина». « RHVoice » отличает чёткость произношения и малый размер. Правда, в ущерб качеству. Отмечается тихая громкость и слабая детализация.
Найти приложение можно по запросу « RHVoice » в поиске « Google Play ». Все голоса доступны бесплатно, а перед установкой можно прослушать демо-записи. В настройках можно указать уровень качества.
Вместо послесловия
Это были 3 лучших синтезатора речи по мнению сайта “World-X”. Несмотря на их уникальность, каждый из них имеет свои недостатки. Поэтому при выборе рекомендуем полагаться на слух. Благо,любой из голосов можно предварительно прослушать в демо-записи или испытать в течение пробного периода.
Источник