Компания Nuance выпустила очередную версию движка синтезатора речи Vocalizer 3.0. Новый релиз предназначен для разработки голосовых приложений - информаторов, систем голосового набора, доступа к e-mail и пр.

Сегодня приложения для синтезирования речи используются там, где нужно предоставлять часто обновляющуюся информацию, хранение которой в виде готовых записей неудобно или накладно. Vocalizer 3.0 не только повышает качество предоставляемых голосовых услуг, но и снижает стоимость разработки соответствующих приложений, а также экономит время, которое было бы потрачено на создание банка записей. Профессиональная запись готовых текстов обошлась бы более чем в 800 долларов за час звучания. При этом было бы потрачено не менее недели на студийную запись и редактирование.

Создавая Vocalizer 3.0, специалисты Nuance проанализировали работу ужё внедрённых синтезаторов и выявили наиболее часто употребляемые слова в зависимости от специализации синтезатора. Например, для озвучания финансовых новостей применяются соответствующие словари с индексами компаний на биржах и пр. Для использования в аэропорту лексика пополняется названиями авиакомпаний и городов.

Лексикон расширен и в отношении американской топонимики и ономастики. В словарях Vocalizer 3.0 имеются 97% имён, обнаруженных во время переписи населения. Туда внесены и названия компаний, улиц и географических пунктов. Это необходимо для корректной работы автоматических информаторов, сообщающих адреса, направления движения для водителей и для систем голосового набора.

Сходство Vocalizer 3.0 с реальным собеседником усиливается благодаря паузам, выдерживаемых в определённых местах сообщения. Это делается, чтобы расставить смысловые акценты и обеспечить правильное восприятие человеком синтезированной речи. У слушателя создаётся впечатление, что синтезатор "переводит дыхание".

Скорость воспроизведения, интонация и громкость легко регулируются, так как Vocalizer 3.0 подерживает язык разметки голосовых сообщений SSML, основанный на спецификации VoiceXML. Таким образом, можно почти точно сымитировать речь любого человека.