Глоссарий
Нейронный голос (neural voice)
Синтезированный голос на основе глубокой нейросети: интонация и эмоции звучат естественнее, чем у прежнего конкатенативного и формантного синтеза.
Нейронные TTS-модели (Tacotron, FastSpeech, VITS и их преемники) генерируют звуковую волну напрямую, опираясь на текст, особенности голоса диктора и параметры стиля. Интонация, дыхание и эмоции звучат естественно — во многих тестах слушатели с трудом отличают такую речь от живого диктора.
Обычно можно настроить высоту голоса, темп, язык, акцент, возраст и эмоцию (спокойствие, воодушевление, грусть, деловой тон). В VlogMe голос создаётся в Audio Studio, а ту же дорожку можно передать говорящему аватару в Video Studio — губы повторят именно ту подачу, которую вы выбрали.
