Qwen-TTS υποστηρίζει διαλέκτους και δίγλωσσες φωνές στα κινέζικα

Η τεχνολογία σύνθεσης ομιλίας Qwen-TTS φτάνει σε επίπεδο φυσικότητας ανθρώπου με νέες δυνατότητες.

Η Qwen παρουσίασε μια αναβαθμισμένη έκδοση της τεχνολογίας σύνθεσης ομιλίας Qwen-TTS, που δίνει έμφαση στην υποστήριξη κινέζικων διαλέκτων και δίγλωσσων φωνών. Η νέα έκδοση είναι αποτέλεσμα εκπαίδευσης πάνω σε εκατομμύρια ώρες ηχογραφημένης ομιλίας, με στόχο μια ομιλία που μοιάζει όσο το δυνατόν περισσότερο στον άνθρωπο.

Μια από τις πιο χαρακτηριστικές δυνατότητες είναι η υποστήριξη τριών διαλέκτων της κινέζικης γλώσσας: πεκινέζικης, σιγκαπούριας και σιτσουανέζικης. Επιπλέον, προστίθενται επτά δίγλωσσες φωνές που συνδυάζουν κινέζικα και αγγλικά, με ονόματα όπως Cherry, Ethan και Serena, καθώς και φωνές ειδικά για τις διαλέκτους, όπως Dylan που είναι πεκινέζικη φωνή.

Η Qwen-TTS προσαρμόζει αυτόματα την προσωδία, τον ρυθμό και την εκφραστικότητα της ομιλίας ανάλογα με το κείμενο που της δίνεται. Αυτό σημαίνει πως οι φωνές δεν ακούγονται απλώς «μηχανικές», αλλά έχουν τις κατάλληλες τονικές αλλαγές και συναισθήματα όταν χρειάζεται.

Η εταιρεία αναφέρει ότι το σύστημα επιτυγχάνει επίπεδο φυσικότητας και εκφραστικότητας κοντά σε ανθρώπινο, βάσει εσωτερικών τεστ. Τα αποτελέσματα σε δείκτες όπως το λάθος αναγνώρισης λέξεων (WER) και η ομοιότητα (SIM) υποδεικνύουν υψηλή ποιότητα στην ομιλία που παράγεται, αν και αυτές οι μετρήσεις προέρχονται από την ίδια την εταιρεία και δεν έχουν ακόμα ανεξάρτητη επιβεβαίωση.

Για προγραμματιστές και μηχανικούς, η Qwen-TTS είναι διαθέσιμη μέσω API, επιτρέποντας τη δημιουργία προσαρμοσμένης ομιλίας σε εφαρμογές και υπηρεσίες. Αυτή η προσέγγιση ανοίγει δρόμους για εφαρμογές όπως βοήθεια φωνής, εκπαιδευτικά προγράμματα, ψηφιακοί βοηθοί και άλλες περιπτώσεις όπου η φυσική ομιλία είναι κρίσιμη.

Παρά το γεγονός ότι το σύστημα εστιάζει σε κινεζικές διαλέκτους και δίγλωσσες φωνές, η χρήση του είναι κυρίως περιορισμένη γεωγραφικά, με σημαντική όμως επίδραση στους προγραμματιστές που δουλεύουν σε αγορές όπου αυτές οι γλώσσες είναι απαραίτητες.

Η Qwen δεν έχει ανακοινώσει αν και πότε θα επεκτείνει την υποστήριξη σε άλλες γλώσσες ή διαλέκτους, παραμένοντας ανοικτή η εξέλιξη της τεχνολογίας σε μελλοντικές εκδόσεις.