
Elhuyar creou voces automáticas baseadas en redes neuronais (TTS)
- As voces automáticas (TTS) que ofrece Elhuyar están a disposición da sociedade e dos clientes.
- Permite crear TTS personalizados a partir de sistemas baseados na voz dunha persoa e imítena.
- As voces automáticas de Elhuyar pódense utilizar a través da barra lectora dos sitios web ou a través de REST API.
Elhuyar deu un paso máis no campo das tecnoloxías da lingua e a intelixencia artificial, co obxectivo de seguir dando resposta aos retos da sociedade no ámbito da dixitalización. Nesta ocasión creou sistemas neuronais que permiten converter o texto en voz e púxoos a disposición da sociedade.
Aínda que as voces TTS parecen reais, xéranse mediante unha tecnoloxía baseada en redes neuronais. Ademais de pór as súas propias voces TTS a disposición da sociedade, Elhuyar ofrece aos seus clientes a posibilidade de crear voces TTS personalizadas.
Elhuyar puxo a disposición dos usuarios unha gama de voces sintéticas que parecen reais, tanto en eúscaro como en castelán, e creou unha barra lectora que mellora a accesibilidade dos sitios web.
Si insérese a barra lectora nun sitio web, os usuarios poderán escoitar os contidos da web mediante as voces sintéticas. Basta con pulsar o botón play para escoitar o contido do sitio web e, ao mesmo tempo, móstrase resaltada a parte do texto que está a ler a voz TTS. A barra lectora pódese inserir facilmente nos sitios web dos clientes; a modo de exemplo, Elhuyar inseriuna nestes dous sitios: elhuyar.aldizkaria.eus e zientzia.eus.
As voces TTS de Elhuyar poden incorporarse a calquera aplicación a través da REST API dispoñible para os clientes. É así como integráronse as voces no sitio web hiztegiak.elhuyar.eus.
Elhuyar ofrece tamén a posibilidade de crear voces TTS personalizadas. É dicir, ofrece a posibilidade de crear un sistema baseado na voz dunha persoa á cal o sistema imita. As voces son personalizadas e únicas. Con este tipo de voces TTS personalizadas, as empresas poden crear voces propias que lles permitan, entre outras moitas opcións, reforzar a súa marca e a súa estratexia de branding. Por exemplo, as empresas poden utilizar unha voz TTS personalizada na súa comunicación dixital cos seus clientes: contestador automático, recursos audiovisuais… Ademais, estas voces personalizadas coidarán da súa privacidade e só poderán ser utilizadas polo cliente. Máis información: ttsneuronala.elhuyar.eus
Tecnoloxía desenvolvida por Orai
Estas tecnoloxías de conversión de texto en voz son creadas pola iniciativa de intelixencia artificial Orai, e este novo servizo mostra o avance na investigación no campo da síntese de voz. Orai aborda tamén outras liñas de investigación, entre as que cabe destacar as seguintes: a síntese da fala sen marcas de xénero, a síntese da fala emocional e os sistemas de imitación de voz a partir de pequenas mostras. Orai é unha iniciativa especializada na área NLP (Natural Language Processing), que ofrece investigación de alto nivel e solucións tecnolóxicas intelixentes a empresas e institucións.