Как се ражда един глас: от изходната реч до картата в каталога
Отваряте каталога с гласове, натискате „пусни“ — и чувате чист, жив тембър. Изглежда, че гласът просто „е там“. Всъщност всеки глас е резултат от многоетапна линия: от подбора на изходната реч до финалния мастеринг. Ето как се ражда един глас в HancVoice — без магия, стъпка по стъпка.
Стъпка 1. Откъде идва изходната реч
Гласът не се измисля от нулата — той израства от истинска човешка реч. Източниците са отворени и лицензирани речеви набори от данни, чиито записи могат да се използват законно. Ключовото правило: никога не пресъздаваме гласа на реален човек без неговото съгласие. Ако създавате собствен глас, качвате собствена проба и потвърждавате съгласието си — в съответствие с GDPR. Без съгласие системата не изгражда модел.
Стъпка 2. Подбор: не всеки запис минава
Първият филтър е качеството на изходния материал. Преди да изгради глас, линията проверява записа за „присъствие“: има ли достатъчно чиста, разбираема реч без фонов шум, музика и прекъсвания? Записите, които не минат този праг, веднага отпадат — няма смисъл слабият материал да продължава напред: недостатъците така или иначе ще излязат във финалния резултат.
Стъпка 3. Цифровият отпечатък на тембъра
След това двигателят прослушва подбраната реч и изгражда компактен цифров отпечатък на гласа — математическо описание на тембъра с размер едва няколко килобайта. Именно в него се пази всичко, което прави гласа разпознаваем: височина, оттенък, характер. Всички такива отпечатъци отиват в обща банка и при синтеза двигателят избира нужния и „изговаря“ с него всеки текст. Един двигател — стотици гласове, всеки със свой отпечатък.
Гласът в каталога не е набор от записани фрази, а отпечатък на тембъра. Затова един глас може да прочете всеки текст — дори такъв, който изходният говорител никога не е изричал.
Стъпка 4. Контрол на качеството: как измерваме „чистотата“
Слухът е субективен, затова измерваме и качеството. Пробен синтез на всеки нов глас минава през невронна оценка на чистотата на звука: тя дава обективна оценка — колко чисто звучи гласът, без шум и артефакти. Оценката се коригира според езика, защото „чисто“ звучи различно на немски и, да речем, на японски. Гласовете под прага не стигат до рафта — връщат се за доработка или се отхвърлят.
Стъпка 5. Мастеринг: за да звучи всичко равно
Последният етап привежда всички гласове към общ знаменател. Силата на звука се изравнява и звукът се нормализира, така че в каталога няма „тихи“ и „крещящи“ гласове и можете да сравнявате тембрите при равни условия. Това е същата логика като мастеринга в музиката: технически всичко е готово, но именно равният финал отличава професионалния резултат от суровия.
Стъпка 6. Картата в каталога: език и ниво
Готовият глас получава карта с пол, език и описание на тембъра — и влиза в каталога едва след ръчна проверка. Тук се появява и нивото на езика:
- Основни езици — сърцето на двигателя с гаранция за качество: немски, английски, френски, испански, италиански, португалски, руски, китайски, японски и корейски.
- Бета — езикът вече работи в автоматичен режим, но все още шлифоваме качеството.
- Скоро — езикът е в разработка: подбираме говорители и настройваме синтеза.
Езикът „излиза“ от бета не по график, а когато стабилно минава същия контрол на качеството като основните езици. Защо изобщо има нива, обясняваме в материала „Защо езиците имат нива“, а кои езици са в процес на работа — и гласуването за следващите — ще намерите в Лабораторията.
Защо това е важно за вас
Цялата тази линия съществува по проста причина: за да отворите каталога, да натиснете „пусни“ и да чуете чист глас — а не шум и артефакти. Подборът на входа, обективният контрол на качеството и равният мастеринг са причината гласовете на HancVoice да звучат предвидимо и стабилно, а не „както се случи“.
Заключение
Гласът се ражда много преди момента, в който го избирате — на линията за подбор, отпечатък на тембъра, контрол на качеството и мастеринг. Именно затова езиците имат нива, а каталогът — постоянно качество. Отворете каталога и послушайте: вече знаете какво стои зад всяко пускане.
Опитайте сами — безплатен стартов пакет с символи когато се регистрирате.
