Синтезированный голос научился паузировать перед ключевым словом
Обновление алгоритмов синтеза речи позволило моделям вставлять паузы перед ключевыми словами и фразами, что повышает выделение важной информации и облегчает её восприятие. Такая техника давно используется в человеческой речи как средство акцентирования и управления вниманием.
Система анализирует семантическую структуру текста и определяет слова высокой релевантности, перед которыми стоит сделать паузу на 200—400 миллисекунд. Это улучшает запоминаемость информации и создаёт иллюзию более естественного общения.
Техническая реализация
Механизм работает на основе встроенного классификатора, который оценивает важность каждого слова в контексте всей фразы. Пауза регулируется не жёстко, а зависит от ударности слога и синтаксической функции слова в предложении.
Первые тесты показывают улучшение на 12—15% в тестах на удержание информации слушателем. Однако чрезмерное использование этого приёма может привести к обратному эффекту и восприятию речи как неестественной или манерной.
Разработчики работают над калибровкой частоты и длительности пауз для различных жанров текста: от объявлений до повествования и диалога.