Синтезированный голос для слабовидящих работает непрерывно 8 часов
Проект NVDA и OpenAI представил обновленный синтезатор, который держит согласованность голоса и естественность дикции на протяжении восьми часов непрерывного синтеза. Ранее системы деградировали после 30–60 минут работы.
Улучшение достигнуто за счёт архитектуры с кольцевым буфером состояния модели и синхронизацией параметров голоса в реальном времени. Это позволило избежать накопления ошибок фазы при синтезе длинных аудиопотоков.
Практическое применение
Испытания проводились в государственной библиотеке Дании, где посетители слушали скан художественной и научной литературы на протяжении рабочего дня. Пользователи отметили, что не чувствовали усталости от звучания голоса.
Слабовидящие программисты начали использовать синтезатор для озвучки исходного кода и документации во время работы. Непрерывная работа особенно ценна для потребителей контента, которые не могут чередовать слушание с зрительной работой.
Производители экранных дикторов рассчитывают интегрировать технологию в свои продукты к концу года. Это станет значительным шагом в доступности цифровых сервисов для людей с нарушением зрения.