Як народжується голос: від вихідного мовлення до картки в каталозі
Ви відкриваєте каталог голосів, натискаєте «відтворити» — і чуєте чистий, живий тембр. Здається, що голос просто «є». Насправді кожен голос — результат багатоетапного конвеєра: від відбору вихідного мовлення до фінального мастерингу. Ось як народжується голос у HancVoice — без магії, крок за кроком.
Крок 1. Звідки береться вихідне мовлення
Голос не вигадують з нуля — він виростає з реального людського мовлення. Джерела — відкриті й ліцензовані мовленнєві датасети, записи яких можна використовувати легально. Ключове правило: ми ніколи не відтворюємо голос реальної людини без її згоди. Якщо ви створюєте власний голос, то завантажуєте свій зразок і підтверджуєте згоду — відповідно до GDPR. Без згоди система не збудує модель.
Крок 2. Відбір: не кожен запис проходить
Перший фільтр — якість вихідного матеріалу. Перш ніж будувати голос, конвеєр перевіряє запис на «присутність»: чи достатньо там чистого розбірливого мовлення без фонового шуму, музики й обривів? Записи, що не пройшли цей поріг, одразу відсіюються — тягнути слабкий матеріал далі безглуздо: вади однаково вилізуть у фінальному результаті.
Крок 3. Цифровий відбиток тембру
Далі рушій прослуховує відібране мовлення й будує компактний цифровий відбиток голосу — математичний опис тембру розміром лише кілька кілобайтів. Саме в ньому зберігається все, що робить голос упізнаваним: висота, забарвлення, характер. Усі такі відбитки потрапляють у спільний банк, і під час синтезу рушій вибирає потрібний і «вимовляє» ним будь-який текст. Один рушій — сотні голосів, у кожного свій відбиток.
Голос у каталозі — не набір записаних фраз, а відбиток тембру. Тому один голос може прочитати будь-який текст — навіть той, якого вихідний диктор ніколи не вимовляв.
Крок 4. Контроль якості: як ми вимірюємо «чистоту»
Слух суб’єктивний, тому якість ми ще й вимірюємо. Пробний синтез кожного нового голосу проходить нейромережеву оцінку чистоти звуку: вона дає об’єктивний бал — наскільки чисто звучить голос, без шумів і артефактів. Бал коригується з урахуванням мови, бо «чисто» звучить по-різному німецькою і, скажімо, японською. Голоси нижче порогу не потрапляють на полицю — вони повертаються на доопрацювання або відхиляються.
Крок 5. Мастеринг: щоб усе звучало рівно
Останній етап зводить усі голоси до спільного знаменника. Гучність вирівнюється, звук нормалізується, тож у каталозі немає «тихих» і «гучних» голосів, і тембри можна порівнювати на рівних. Це та сама логіка, що й мастеринг у музиці: технічно все готово, але саме рівний фініш відрізняє професійний результат від сирого.
Крок 6. Картка в каталозі: мова й рівень
Готовий голос отримує картку зі статтю, мовою й описом тембру — і потрапляє до каталогу лише після ручної перевірки. Тут же з’являється рівень мови:
- Основні мови — серце рушія з гарантією якості: німецька, англійська, французька, іспанська, італійська, португальська, російська, китайська, японська й корейська.
- Бета — мова вже працює через автоматичний режим, але якість ще доводимо.
- Незабаром — мова в розробці: підбираємо дикторів і налаштовуємо синтез.
Мова «випускається» з бети не за розкладом, а коли стабільно проходить той самий контроль якості, що й основні мови. Чому взагалі існують рівні, ми пояснюємо в матеріалі «Чому мови мають рівні», а стежити, які мови в роботі, і голосувати за наступні можна в Лабораторії.
Чому це важливо для вас
Увесь цей конвеєр існує з простої причини: щоб ви відкрили каталог, натиснули «відтворити» й почули чистий голос, а не шум і артефакти. Відбір на вході, об’єктивний контроль якості й рівний мастеринг — причина, чому голоси HancVoice звучать передбачувано стабільно, а не «як пощастить».
Висновок
Голос народжується задовго до моменту, коли ви його обираєте, — на конвеєрі відбору, відбитка тембру, контролю якості та мастерингу. Саме тому мови мають рівні, а каталог — стабільну якість. Відкрийте каталог і послухайте: тепер ви знаєте, що стоїть за кожним відтворенням.
Спробуйте самі — безплатний стартовий пакет символів після реєстрації.
