Kokie yra roboto balso įgarsinimo būdai
Yra du pagrindiniai roboto balso būdai: naudojant kalbos sintezę arba
Vienas žinomiausių kalbos sintezės metodų yra nettarp neprogramuotojų – TTS. Kompiuteris tiesiog skaito ir kalba tekstą. Ryškus pavyzdys yra „Google“ kalbos paslaugų sintezė, kurią galima išgirsti „Google“ vertėjo programoje. Tarnybos rusišką kalbą labai lengva atskirti nuo natūralios kalbos, o tai yra pagrindinė tokios sintezės problema. Norėdami įdėti reikiamą akcentą, naudokite SSML – kalbos sintezės žymėjimą. Tačiau net ir su juo sunku pasiekti garsą kaip profesionalus diktorius. Todėl pradėjome kurti aukštos kokybės alternatyvą.
Kodėl jums reikalinga kalbos sintezė su kintamaisiais
Įmonės aktyviai naudojasi balso galimybėmisrobotus ir stengiasi, kad jų kalba būtų malonesnė ir labiau pritaikyta klientams. Suasmeninimas padidina įsitraukimą ir lojalumą: 70 % pažangų personalizavimą naudojančių įmonių pastebėjo 200 % ar daugiau IG.
Kad roboto balsas būtų tikroviškas, įmonėsįrašyti diktoriaus, aktoriaus ar kontaktų centro operatoriaus balsą. Neigiama yra tai, kad visos kopijos yra statinės. Tai tinka, pavyzdžiui, nurodymams atšaukti užsakymą arba informuoti apie esamas akcijas. Tačiau verslo komunikacijoje yra daug kintančių duomenų – kintamųjų.
Kad roboto balsas būtų tikroviškas, įmonės įrašo pasakotojo, aktoriaus ar kontaktų centro operatoriaus balsą. Neigiama yra tai, kad visos kopijos yra statinės.
Pavyzdžiui, norėdami patvirtinti susitikimą klinikoje:Paciento vardas, pavardė, gydytojo pavardė, priėmimo data ir laikas. Pristatymo atveju: visas kliento vardas, pavardė, užsakymo numeris ir jo turinys, suma ir pristatymo laikas. Kiekviename įraše turi būti nurodyti individualūs kliento ar jo prašymo parametrai. Tada naudojamas failų klijavimas, garso mišiniai arba tiesiog robotas balso vaidinimas.
Klijavimo esmė ta, kad sukuria„aplikacijos“ iš daugybės diktoriaus įrašų. Pristatymo atveju reikia užrašyti apie 1,5 tūkst. dažnai pasitaikančių gatvių, miestų pavadinimus, namų ir butų numerius. Tai labai daug darbo reikalaujanti užduotis, reikalaujanti iš pranešėjo didelių pastangų ir laiko. Po įrašymo garso failus reikia sujungti teisinga seka. Profesionalus garso inžinierius gali sklandžiai pereiti tarp pjūvių ir pauzių, tačiau sankryžos vis tiek bus girdimos, o dėl didelio šaltinio duomenų kiekio toks darbas yra didžiulis. Išbandėme šią parinktį, bet supratome, kad ji netinka sudėtingoms problemoms spręsti.
Žinome, kad kai kurios įmonės bando rasti garsiakalbį, kurio balsas panašus į standartinį SpeechKit balso veikimą iš Yandex arba Google Speech. Tačiau šiuo atveju įdėklai taip pat girdimi.
Mes bandėme tai integruoti į balso perdavimo įrašusTTS. Tai yra, iš anksto neįrašėme visų gatvių ir miestų pavadinimų, o pagal diktoriaus balsą sugeneravome norimą frazę naudodami TTS ir įdėjome į iš anksto įrašytą diktoriaus kopiją. Rezultatas buvo emocinės gyvos žmogaus ir roboto kalbos mišinys.
Kad ir ką bandytume iš įvairių instrumentų,Neturėjome gero rezultato. Dėl to mes sukūrėme savo algoritmą, kurį pavadinome hibridine sinteze. Ši technologija leidžia greitai pakeisti balso roboto balso įrašų frazes, jums tereikia pakeisti algoritmą. Tuo pačiu metu sintezuota kalba kopijuoja kalbėtojo intonaciją ir emocijas, skamba natūraliai ir neišsiskiria iš konteksto. Tokiu būdu galite įgarsinti bet kokius kintamuosius, kurių nebuvo pradiniame balso perdavimo įraše, ir išbandyti naujus scenarijus.
TTS
Kaip veikia hibridinė sintezė?
Pirmasis etapas – darbas su diktoriais.Norint aprėpti rusų kalbos įvairovę, reikėjo įrašyti 10 valandų kalbos profesionalioje studijoje. Tai frazės iš knygų, naujienų ir dažnai pasitaikančių duomenų: skaitmenys, vardai, adresai ir miestai. Tai suteikia pakankamai mokymo duomenų, o po to galite pradėti kurti kiekvieno garsiakalbio hibridinės sintezės modelius.
Kiekvienam roboto skambučio projektui pranešėjas užrašo frazių šablonus, pavyzdžiui: „Sveiki,Sergejus Petrovičius! Rytoj pristatysime Jūsų užsakymą Jūsų nurodytu adresuTverskaya gatvė, 3Su14 iki 18valandų.Ar jums bus patogu jį priimti?“ Hibridinės sintezės modelis gali apdoroti tokias užduotis, kaip Sergejų Petrovičių pakeisti Anna Vasiljevna, o adresas ir laikas - iki Bolšaja Zelenina gatvės 24 nuo 10 iki 14 val. Rezultatas – nauja kopija su susintetintais kintamaisiais: „Sveiki,Anna Vasiljevna! Rytoj pristatysime Jūsų užsakymą Jūsų nurodytu adresuBolshaya Zelenina gatvė, 24Su10-14valandų. Ar jums bus patogu jį priimti?“ Kiekvienam skambučiui į klientų bazę sukuriama ir vykdoma atskira užduotis.
Įgarsinimas
Aukšta garso kokybė pasiekiama dėl to, kad neuroninis tinklas naudoja pavyzdyje pateiktas kalbėtojo intonacijas ir emocijas.
Kaip nustatyti hibridinę sintezę
Mes siūlome keletą gatavų modeliųhibridinė sintezė su moterišku ir vyrišku balsu. Šablonų iškvietimai veikia JAICP ir JAICF platformose per API galimi skambučiai iš kitose paslaugose sukurtų robotų. Scenarijaus nustatymas nuo nulio užtrunka kelias valandas. Viena sintezuota kopija kainuoja 12 kapeikų, projekto šablono įgarsinimas – 3000 rublių už valandą diktoriaus darbo.
Išplės paruoštų balsų rinkinys.Taip pat yra galimybė naudoti Just AI hibridinę sintezę, kuriant modelį individualiai pasirinktam diktoriui arba kas yra oficialus įmonės balsas.
hibridinė sintezė
Hibridinės sintezės technologija leidžia individualizuoti IVR ir robotų skambučius NPS apklausų, klausimynų, priminimų, papildomo pardavimo ir lojalumo programų palaikymo tikslais.
Skaityti daugiau:
Juodoji skylė galaktikoje įrodė, kad Einšteinas teisus. Pagrindinis dalykas
Kosmosas ardo kaulus ir keičia jų struktūrą: mokslininkai nežino, kaip žmonės skris į Marsą
Astronomai rado planetų, kurios skiriasi nuo Žemės, bet tinka gyvybei