Делаю «Канал 15» — рацию-компаньон для Euro Truck Simulator 2: восемнадцать выдуманных дальнобойщиков болтают в эфире у игрока, отвечают на голос и запоминают его между рейсами. К озвучке у нас три движка: ElevenLabs (eleven_v3), OpenAI-совместимый gpt-audio через OpenRouter и локальный клон на XTTS. Пул текстов —…
Коротко о том, что было: три TTS-движка уверенно ставят русские ударения не туда («гудни» читалось как «гУдни»), словари произношения ElevenLabs на моем тарифе закрыты, поэтому живу на гейте ruaccent плюс ручной словарь подмен — было 51 слово. Работает, но руками.Здесь — как я заставил две модели Сбера разгрести рутину, и главный урок, за который стоило всё это затеять. Читать далее
Привет! Ниже расскажу как учил потоковую TTS-модель VoXtream2 говорить на русском языке, с клонированием голоса, ударениями, паузами и управлением темпом. Под катом — разбор архитектуры VoXtream, рецепт подготовки данных для такой модели. Читать далее
Словарь в Puzzle English помогает пользователям учить лексику наряду с аудио- и видеопазлами, подкастами, фильмами, сериалами и песнями. В Словаре переводы сопровождаются аудиопримерами слов и выражений. Для озвучек мы используем записи живых дикторов и TTS — text-to-speech system, синтезаторы речи из текста. Сегодня расскажем, как выбрали TTS-движок Vocalware, почему хотим подключить вместо него систему Amazon Polly и какие задачи человек пока решает лучше робота. Читать дальше →