रोबोट के लिए स्टानिस्लावस्की। भावनात्मक संश्लेषण की संभावनाओं का उपयोग कैसे करें

आने वाली छुट्टियों पर सभी को बधाई! यह पोस्ट एक शानदार नए साल के रूप में इतनी तकनीकी नहीं होगी। परंपरा के अनुसार, नए साल की पूर्व संध्या पर, हम अपने सहयोगियों और ग्राहकों के लिए उपहार लेकर आते हैं। लेकिन हम व्यापक दर्शकों के लिए भी कुछ अच्छा करना चाहते हैं। सबसे अच्छा उपहार - खुद के द्वारा बनाया गया। और उपहार देना बच्चों के लिए सबसे सुखद है। इसलिए, इस साल हम इस परियोजना के साथ आए "रोबोट बच्चों को परियों की कहानी पढ़ता है।" हमने 12 नए साल की कहानियों को लिया, उन्हें भाषण संश्लेषण का उपयोग करके आवाज़ दी और हमारे वॉयस फैब्रिक पोर्टल पर पोस्ट किया।



जैसा कि आप जानते हैं, सेंटर फॉर स्पीच टेक्नोलॉजीज ने कई टीटीएस (टेक्स्ट-टू-स्पीच) वोट बनाए, जो संपर्क केंद्रों के आईवीआर सिस्टम, वॉइस नोटिफिकेशन सिस्टम और मोबाइल एप्लिकेशन - रेडियो आरएसएस और रीडर में उपयोग किए जाते हैं ।

कैसे आवाजें चुनी गईं

कुल मिलाकर, "वॉयस रोबोट" की टीम में वर्तमान में 5 महिला और 2 पुरुष आवाजें हैं। प्रत्येक आवाज का अपना नाम है। महिला आवाज़ों की प्रधानता को इस तथ्य से समझाया गया है कि सूचना प्रणालियों में यह महिला आवाज़ें हैं जो उपयोगकर्ताओं को अनुभव करने के लिए अधिक आरामदायक हैं।
प्रत्येक आवाज की विशिष्टता कई कारकों द्वारा सुनिश्चित की जाती है। सबसे पहले, स्पीकर की स्टूडियो रिकॉर्डिंग के दौरान आवाज़ का समय-सारणी संरक्षित किया जाता है, जिसकी आवाज़ को प्रोटोटाइप के रूप में उपयोग किया जाता है। दूसरे, हम सांख्यिकीय रूप से गणना किए गए वॉयस मॉडल को लागू करके स्पीकर की आवाज की आंतरिक विशेषताओं को संरक्षित करते हैं जो विशेष रूप से इस स्पीकर के स्टूडियो फोनोग्राम्स से बनाई गई है। नतीजतन, हमने परियों की कहानियों की आवाज के लिए 6 आवाजें चुनीं: व्लादिमीर, अन्ना, जूलिया, मारिया, विक्टोरिया और अलेक्जेंडर। परियों की कहानियों, हमें निर्देशित किया गया था, निश्चित रूप से, नए साल और क्रिसमस की थीम, कॉपीराइट की अनुपस्थिति, साथ ही साथ व्यक्तिगत प्राथमिकताएं। यह संग्रह मोटिवली निकला: ये प्रसिद्ध रूसी लोक कथाएँ हैं ("टू फ्रॉस्ट्स", "सिस्टर चेंटरेल", "स्नो मेडेन"), और भाई ग्रिम और जी.के. के यूरोपीय क्लासिक्स। एंडरसन। हमें कम प्रसिद्ध, लेकिन आकर्षक क्रिसमस की कहानियां, "द टेलर ऑफ़ ग्लॉस्टर" और "द ट्विकल माउस" भी मिलीं। और, ज़ाहिर है, वे ओ हेनरी "द गिफ्ट्स ऑफ द मैगी" के अद्भुत दृष्टांत को नजरअंदाज नहीं कर सकते थे, जो कि एक परी कथा नहीं है, लेकिन सच्चे प्यार के बारे में बहुत चलती कहानी है।

स्कोरिंग प्रक्रिया कैसे काम करती है?

शुरुआत के लिए, भूमिकाएं वितरित की गईं: मुख्य रूप से पुरुष पात्रों को पुरुष स्वर, महिला को - महिला को दिया गया। अपवाद थे, लेकिन दुर्लभ। लेखक के लिए पाठ को पुरुष और महिला दोनों स्वरों द्वारा पढ़ा गया था। सिर्फ अनुभव के बदलाव के लिए। पात्रों में से कुछ को एक अतिरिक्त विशेषता काला रंग मिला। उदाहरण के लिए, चूहों को न केवल एक महिला आवाज द्वारा आवाज दी गई थी, बल्कि "छोटे" कार्टून पात्रों की दिशा में भी समय बदल गया।
स्कोरिंग से पहले पाठ प्रसंस्करण न्यूनतम था। SSML "वॉयस" टैग को टेक्स्ट में डाला गया, जिसने टेक्स्ट के लिए वॉयस नाम और अतिरिक्त टैग्स को टाइमबरा सेट करने के लिए सेट किया। कभी-कभी यह अस्पष्ट शब्द में जोर देने की जगह को निर्दिष्ट करने के लिए आवश्यक था: "भागो, अपने आप को प्रिय रूप से मनोरंजन करें।"



हमारा काम एक प्राकृतिक ध्वनि प्राप्त करना था, इसलिए आवाज़ों को पात्रों की भावनाओं को व्यक्त करना चाहिए। और हमारे वॉइस रोबोट ऐसा कर सकते हैं। उदाहरण के लिए, वे हंस सकते हैं। ऐसा करने के लिए, बस पाठ में एक मजेदार इमोटिकॉन जोड़ें। और आहें। ऐसा करने के लिए, बस पाठ में एक उदास स्माइली जोड़ें।

लेकिन अन्य भावनाओं की अभिव्यक्ति के साथ यह अधिक कठिन हो गया। यह पता चला कि हमारे रोबोट नकारात्मकता व्यक्त करने के लिए प्रशिक्षित नहीं हैं। कहानी "फॉक्स-बहन" में बूढ़ी औरत बूढ़े आदमी को बहुत धीरे और प्यार से डांटती है।

/> : , , :/>- !.. -! !

और आवाज पूरी तरह से पुराने जमाने की आवाज नहीं है, लेकिन मधुर और युवा है। यहाँ आप स्टानिस्लावस्की की भावना में विश्वास कर सकते हैं "मुझे विश्वास नहीं है!"
उसी परियों की कहानी में एक मजेदार क्षण: "छोटी लोमड़ी कूद गई और एक परीक्षण के साथ उसके सिर को एक टब में मारा।" यह तुरंत ध्यान देने योग्य है कि अभिनेत्री के पास तकनीकी शिक्षा है, और वह अर्थशास्त्र से बहुत दूर है।
वास्तव में, हमारे नए साल की परियोजना एक रचनात्मक पहल है। लेकिन हमारी संश्लेषित आवाज़ें एक वास्तविक थिएटर में उपयोग की जाती हैं। MDGs ने सेंट पीटर्सबर्ग में एलेक्ज़ेंड्रिन्स्की थिएटर में एक परियोजना शुरू की। एक भाषण सिंथेसाइज़र विकसित किया जा रहा है, जो किसी दिए गए अभिनेता की आवाज़ की वाणी और भावनात्मक विशेषताओं को संरक्षित करते हुए एक साहित्यिक पाठ पढ़ने में सक्षम है।

क्या हुआ था?

हमने वॉग फैब्रिक स्पीच सिंथेसिस तकनीक को समर्पित एमडीजी पोर्टल पर परियों की कहानियों के साथ एक पेज लॉन्च किया, और VKontakte और फेसबुक के पन्नों पर भी घोषणा की।
हम इस बात को लेकर बहुत चिंतित थे कि बच्चे हमारे प्रोजेक्ट को कैसे महसूस करेंगे। फिर भी, पाठकों ने हमारी कहानियों को पसंद किया। VKontakte सर्वेक्षण के आधे से अधिक प्रतिभागियों ने परियोजना का सकारात्मक मूल्यांकन किया। स्वाभाविक रूप से, इस बात की आलोचना हुई थी कि कोई भी रोबोट किताबें पढ़ने वाले माता-पिता की जगह नहीं ले सकता। और हम इससे पूरी तरह सहमत हैं! लेकिन वे बच्चों को दिलचस्प खेल के रूप में उच्च प्रौद्योगिकियों की दुनिया से परिचित करा सकते हैं! इसके अलावा, इस तकनीक में एक महत्वपूर्ण विशेषता है - यह आपको नेत्रहीन बच्चों के लिए परियों की कहानियों को पढ़ने की अनुमति देता है।
आपको क्या लगता है ?

PS हाल ही में, अंग्रेजी बोलने वाले सहयोगी कैरोल हमारे रोबोटों की टीम में शामिल हुए, और हम निश्चित रूप से उनके रचनात्मक शुरुआत के लिए कुछ दिलचस्प लेकर आएंगे!