КБР. Вперёд в будущее: Сбер вернул Жоржа Милославского

Обычно для качественного синтеза речи с помощью технологии TTS (text-to-speech) требуется не менее 20 часов речи диктора, записанной в студии по определённому текстовому шаблону. В случае с голосом Леонида Куравлёва задача требовала нестандартного подхода. Во-первых, нужен был именно тот голос, которым актёр говорил 47 лет назад, а с годами его речь изменилась. Во-вторых, даже с учётом того что актёр на протяжении 70-х годов много снимался в кино, записи его голоса не всегда подходили для работы. В разных кинокартинах, в зависимости от роли, актёр менял манеру речи и подачу, на его монологи накладывалась фоновая музыка и шум плюс старые записи, даже оцифрованные, содержат дефекты. В общей сложности в распоряжении команды ЦРТ было около 4 минут разнообразно звучащей речи актёра в разных кинолентах. Эти аудиодорожки легли в основу обучения системы TTS и синтеза речи. Для зрителей и слушателей такое аудио ничем не отличается от обычного, и они не смогут различить, что было синтезировано, а что — архивная запись. Однако специальные системы детектирования, которые разрабатывает Группа ЦРТ, способны определить искусственность голоса. Это позволяет защититься от хакеров и безопасно использовать TTS в коммерческих проектах компании.  

checheninfo.ru

Добавить комментарий

Первый день недели

Отправить комментарий