Soluções de nível profissional para síntese de fala
O sistema integrado de clonagem de fala neural da Talecast usa a mais recente arquitetura WaveNet para dar suporte à geração de fala multilíngue com mais de 200 timbres. Em comparação com a tecnologia TTS tradicional, as flutuações rítmicas do sistema estão mais próximas da pronúncia de pessoas reais, e a pontuação de riqueza emocional chega a 4,8/5 (padrão MOS). O principal avanço tecnológico está na dissociação da incorporação do alto-falante das características do idioma, de modo que o mesmo timbre possa se adaptar naturalmente às características de pronúncia de diferentes idiomas.
Na prática, os usuários podem selecionar tons padrão predefinidos do setor (por exemplo, estilo de transmissão de notícias, estilo de narração educacional etc.) ou carregar amostras de áudio para clonar uma linha de voz específica. O sistema é especialmente otimizado para a precisão da pronúncia de termos profissionais, com uma taxa de correção de 98,2% em testes de verticais médicas, científicas e tecnológicas etc. Juntamente com a tecnologia de sincronização labial, o resultado final atinge os padrões de qualidade de transmissão.
Essa resposta foi extraída do artigoTalecastO
