Озвучка чатов: система выбирает интонацию на основе контекста переписки
Озвучивание переписок требует решения задачи, которую письменный текст обходит молчанием: интонация зависит от того, что предшествовало. Одно и то же слово может звучать вопросом, утверждением или сомнением.
Алгоритм анализирует контекст диалога: кто писал предыдущее сообщение, какой тон использовался в предшествующих репликах, есть ли попытка переубедить собеседника или подтвердить согласие. На базе этого выбирается параметр просодии.
От контекста к звуку
Система обучена на больших корпусах разговорных записей, где каждому типу контекста соответствует характерная просодия. Модель учитывает пунктуацию, длину сообщения, логическую связь с предыдущей репликой и эмоциональный окрас слов.
Первые внедрения показывают улучшение восприятия озвученных чатов в мессенджерах и на платформах видеоконтента. Пользователи лучше понимают намерение автора, когда интонация соответствует контексту.
Разработчики планируют расширить модель на мультиязычные диалоги и добавить учёт культурных особенностей пауз и интонационных паттернов в разных языках.