MyTTS

ACrow (sz) v.5.2 - чтение книг голосами Яндекса (Андроид)

- упрощение команд словаря (нововведения не оправдались)
- значительное увеличение скорости генерации при больших словарях
- небольшие исправления и улучшения
- возможность работы в Windows под эмулятором YouWave (быстрый, нетребовательный, бесплатный) с сохранением состояния книг между сессиями.

S-a-b писал(а): ↑

18 фев 2020 15:34

Всем удачи. Пока

Жаль, попал в тупик всё ОК ошибка при добавлении в словарь zam строки
игорич=+игорич строка удалена - добавлено новых - ошибка... одни ошибочные строки - всё ОК.
Может кто подскажет, что это за "зверь" - неизвестный числовой показатель
И как с ним боротся...
Я понимаю, что словарь zam работает по принципу меняем пока меняется - соответственно на выходе веороятно и неизвестный числовой показатель - побороть можно или это тупик и "идти другим путём"?
PS изменён только словарь zam

wasyaka,
Приветствую.
Словарь свой в личку скиньте посмотреть

ACrow (sz) v.5.2a -чтение книг голосами Яндекса
Исправление ошибки

CROWPACK (sz) v.1.0

Программа CrowPack (Windows) предназначена для группового сжатия MP3-аудиокниг. Для файлов "от Яндекса" сжатие от 2 до 12 раз. Изменяется битрейт всех MP3-файлов, находящихся в директории и поддиректориях программы

Лучше бы сделали кодирование сразу в vorbis или avc в малый битрейт 48 или 64
Ужимать мп3 такое себе занятие...

1) vorbis при равном битрейте на четверть или даже треть короче MP3, но его нет на старых смартфонах, а работать всё должно везде
2) MP3 с битрейтом 32 прекрасно звучит, и короче исходного файла от Яндекса в три раза

SZ-Vtk писал(а): ↑

21 мар 2020 18:59

ACrow (sz) v.5.2a -чтение книг голосами Яндекса
Исправление ошибки
ACrow52a.zip

А премиум голоса там можно использовать?!

Vadim писал(а): ↑

25 мар 2020 16:32

А премиум голоса там можно использовать?!

К сожалению, нет.

balabolka писал(а): ↑

12 мар 2020 00:29

Помощи ждать некуда; сами компании могут лишь прикрыть лавочку, а не помочь пользователям.

Не всё так однозначно. Функционал браузера Яндекс Бета уже сейчас эквивалентен халяве с известным ключом разработчика Яндекса, видимо по этому и не прикрывают лавочку т.к. это стимулирует заинтересованных хакнуть Яндекс Бета, сделав из него бэк-енд TTS.

Я недавно заглянул на Гит хаб, там полно опен-сорсных реализаций нейросинтеза от Такатрона до ВайвНет, а на хабре ещё в прошлом году появились статьи, как ребята из разных более мелких контор типа ЦРТ опробовали эти опен-сорсные реализации нейросинтеза.

Вершина конечно Vera Voice Бекмамбетова с их голосом Высоцкого, но там и инвестиции миллионные в $. Если попроще, то это голос Олег от Тинькоффа, но главное другое, у монстров типа Гугла или Яндекса уже нет монополии на отличный и хороший синтез речи.

Я тоже провел кое какие эксперименты с нейросинтезом, результат:

а) синтетические голоса Яндекса типа Захара или Джейн воспроизводятся для офф-лайна на 4+ (и это без всяких усилий, т.е. опен-сорсными инструментами с Гит хаба)

б) с живыми человеческими голосами пока не всё хорошо, но тут я один в поле не воин.

Эхо писал(а): ↑

10 апр 2020 23:19

воспроизводятся для офф-лайна на 4+ (и это без всяких усилий, т.е. опен-сорсными инструментами с Гит хаба)

вы имеете ввиду локальную установку голосового движка и получения аудио без интернета?

Эхо писал(а): ↑

10 апр 2020 23:19

на 4+

Добавили бы образец и время его синтеза, было б интересней.

Подскажите, пожалуйста, какой из Яндекс-голосов (кроме Захара и Ермила) не меняет тон? Нравятся Костя, Женя, но они периодически меняют пол и проявляют эмоции, хотя в настройках стоит "эмоции-нейтральные". Особенно Костя непостоянен

Sylvia писал(а): ↑

11 апр 2020 13:32

Подскажите, пожалуйста, какой из Яндекс-голосов (кроме Захара и Ермила) не меняет тон?

После того, как обнаружил "непостоянство" голоса у Кости, выбрал голос Самохвалов. Он не меняется на протяжении всей книги. Сразу, он мне показался как то не очень, но потом понравился

tonio_k писал(а): ↑

11 апр 2020 12:02

получения аудио без интернета?

Да.

Это всё случилось ~ года 2 назад, когда https://github.com/Kyubyong выложил опен-сорсные решения, воспроизводящие по статьям лидеров. Но там нюансы, это не промышленные решения TTS т.к. они слишком ресурсоёмки.

Nxtpr писал(а): ↑

11 апр 2020 13:01

Добавили бы образец и время его синтеза, было б интересней.

Как-то так: https://drive.google.com/open?id=1Cwmo0 ... qRSQobIQIL но тренировал сеть без фанатизма :)

Примерные возможности открытых решений можно оценить тут: https://github.com/Kyubyong/css10

Эхо писал(а): ↑

12 апр 2020 16:42

tonio_k писал(а): ↑11 апр 2020 12:02
получения аудио без интернета?
Да.

Вы хотите сказать, можно писать книги на синтезе от Яндекса без подключения к интернету?
Покажите решение пожалуйста. По той ссылке, что вы дали профиль какого-то корейского студента-лингвиста.

Sylvia писал(а): ↑

11 апр 2020 13:32

Подскажите, пожалуйста, какой из Яндекс-голосов (кроме Захара и Ермила) не меняет тон? Нравятся Костя, Женя, но они периодически меняют пол и проявляют эмоции, хотя в настройках стоит "эмоции-нейтральные". Особенно Костя непостоянен

Год назад тестировал все голоса, остановился на Самохвалове и Оксане. Книги с ними пишутся в основном без перепадов эго, и немаловажно - звучат хорошо.
Но недавно заметил, что на статьях, в первую очередь технического уклада, Самохвалов может превращаться в Чувака, Левитана и тд.
Еще прослушал пару книг на Erkanyavas, тоже понравился голос, но затем другую книгу он озвучил крайне плохо, почему-то читал в тандеме с Чуваком.

Эхо писал(а): ↑

12 апр 2020 16:42

Это всё случилось ~ года 2 назад, когда https://github.com/Kyubyong выложил опен-сорсные решения, воспроизводящие по статьям лидеров. Но там нюансы, это не промышленные решения TTS т.к. они слишком ресурсоёмки.

Можете тыкнуть пальцем в решение? И чем промышленные решения отличаются от не промышленных? Если мы говорим о Яндексе. Кроме учета высокой нагрузки серверов сам синтез не может отличаться, язык ведь общий, модель обучения одна. Или про что вы вообще говорите? Уточните плз, а то пока один сумбур.

speeck писал(а): ↑

14 апр 2020 15:11

пока один сумбур

ничего страшного, просто вы пока юзер, если приложите чуть больше усилий, то став продвинутым юзером, поймете написанное выше

на пальцах: https://github.com/Kyubyong/css10

тут дан:
а) код
б) датасет
в) натренированные модели, в том числе и для русского языка
г) примеры с результатами

всё, что вам нужно для оф-лайн синтеза это скачать код, создать свой датасет (или использовать существующий, если он вас устраивает), натренировать (до натренировать) модель и всё.

speeck писал(а): ↑

14 апр 2020 15:11

И чем промышленные решения отличаются от не промышленных?

Скоростью и качеством синтеза. Это очевидно. Остальное знание стоит больших финансовых инвестиций, и я о них могу только догадываться.

Если вы просто юзер, не переживайте, "домашний" (медленный с небольшим понижением качества) TTS уровня Яндекса или Гугла стал не монополией этих компаний.

speeck писал(а): ↑

14 апр 2020 15:07

на статьях, в первую очередь технического уклада, Самохвалов может превращаться в Чувака, Левитана и тд.

Вот пример синтеза голосом alyss с тональностью neutral:
"Ячейки соседних рядов по диагонали соединены между собою каналами, сквозь которые опять таки протянута тонкая витая серебряная проволока."

Начинает говорить женщина, а заканчивает мужчина. Эффект не повторяется, если взять тональность "good".

"би-эффект" для alyss повторяется и на https://tts.voicetech.yandex.net, и на https://cloud.yandex.ru/services/speechkit#demo

На ютюбе есть лекция одного из бывших сотрудников Яндекса для школьников, там ещё до презентации "Алисы" он мог делиться некоторыми подробностями, из которых следует, что есть "базовые" голоса, а есть промежуточные, полученные на смеси "базовых". Видимо "би-эффект" возникает из-за ошибочного "размешивания", когда в дадасет промежуточного голоса попадают не обработанные "базовые" голоса. Но это не точно :)

Эхо писал(а): ↑

14 апр 2020 16:49

всё, что вам нужно для оф-лайн синтеза это скачать код, создать свой датасет (или использовать существующий, если он вас устраивает), натренировать (до натренировать) модель и всё.

Спасибо, но интересно было бы узнать подробности. Вы тренировали модели на своих датасетах? Выше был пример:

Эхо писал(а): ↑

12 апр 2020 16:46

Как-то так:

звучание там так себе, явно сырой синтез.

Эхо писал(а): ↑

14 апр 2020 16:49

Если вы просто юзер, не переживайте, "домашний" (медленный с небольшим понижением качества) TTS уровня Яндекса или Гугла стал не монополией этих компаний.

Вы ставили себе полноценно рабочий синтез уровня Яндекса? Если да, прошу, подробности в студию!

Эхо писал(а): ↑

14 апр 2020 17:22

На ютюбе есть лекция одного из бывших сотрудников Яндекса для школьников, там ещё до презентации "Алисы" он мог делиться некоторыми подробностями, из которых следует, что есть "базовые" голоса, а есть промежуточные, полученные на смеси "базовых". Видимо "би-эффект" возникает из-за ошибочного "размешивания", когда в дадасет промежуточного голоса попадают не обработанные "базовые" голоса. Но это не точно :)

Я детально протестировал все голоса, и ошибочное звучание было на большинстве из них, в том числе на "базовых". Разве только Ермил не косячил, но звучит он уж больно как граф Дракула после 200 пачек беломора.
Тот же Самохвалов, которого сейчас даже нет в списке голосов на оф. сайте, звучит обычно ровно, за исключением разве что иногда в статьях, вероятно там слишком разные паттерны текстов в разных статьях etc, впрочем это просто мое дилетантское предположение.

Эхо писал(а): ↑

14 апр 2020 16:49

TTS уровня Яндекса или Гугла стал не монополией этих компаний

Это да, свой синтез уже почти у каждого утюга есть. Самсунг, Мелкософт, Амазон и тд. Но имхо с русским языком пока Яндекс впереди. Прослушал несколько книг и много других текстов. В сравнении, например, с Гуглом почти отлично.

Эхо писал(а): ↑

14 апр 2020 17:22

Вот пример синтеза голосом alyss с тональностью neutral:
"Ячейки соседних рядов по диагонали соединены между собою каналами, сквозь которые опять таки протянута тонкая витая серебряная проволока."
Начинает говорить женщина, а заканчивает мужчина

Если заменить в тексте запятую на " -" или " /", то прочитает нормально.

А если сделать так:

"Ячейки соседних рядов по диагонали соединены между собою каналами, сквозь которые, опять таки, протянута тонкая витая серебряная проволока."

То голос начинает меняться после "сквозь которые".
Кажется еще чуть-чуть, и мы разгадаем эти "особенности" нейросинтеза Яндекса

Коллеги, если есть спецы по нейронкам, и отдельно по нейросинтезу, такие вот наблюдения "на подумать".
Голос Элис (alyss), Нейтральный. Для быстрой корректировки текста и прослушки:
https://cloud.yandex.ru/services/speechkit.

Эталонная фраза:

Ячейки соседних рядов по диагонали соединены между собою каналами, сквозь которые опять таки протянута тонкая витая серебряная проволока.

Здесь только первое слово произносит Элис, затем её сразу перебивает мужчина.

Если в фразе изменить только первое слово, то Элис вовсе пропадает:

Кластеры соседних рядов по диагонали соединены между собою каналами, сквозь которые опять таки протянута тонкая витая серебряная проволока.

Если разбить фразу на 2 предложения, то все ок:

Ячейки соседних рядов по диагонали соединены между собою каналами. Сквозь которые опять таки протянута тонкая витая серебряная проволока.

Если чуть укоротить фразу, то ок:

Ячейки соседних рядов по диагонали соединены между собою каналами, сквозь которые есть серебряная проволока.

Если полностью изменить вторую часть предложения, то такая же ошибка, но мужчина появляется только во втором акте:

Ячейки соседних рядов по диагонали соединены между собою каналами, шла Саша по шоссе и сосала сушку.

или более длинный вариант:

Ячейки соседних рядов по диагонали соединены между собою каналами, шла Саша по шоссе и сосала сушку которую украла в магазине напротив дома своей любимой бабушки.

Но если тут еще более удлинить фразу, добавив имя бабушки, это все ок:

Ячейки соседних рядов по диагонали соединены между собою каналами, шла Саша по шоссе и сосала сушку которую украла в магазине напротив дома своей любимой бабушки Веры.

Можно продолжить эксперименты, и возможно это даст некоторое понимание.

Потом, если заменить запятую на "/" (в сборке от tonio_k все запятые меняются на "/"), то 2 ошибочных варианта становятся нормально-звучащими:

Ячейки соседних рядов по диагонали соединены между собою каналами / сквозь которые опять таки протянута тонкая витая серебряная проволока.

Ячейки соседних рядов по диагонали соединены между собою каналами / шла Саша по шоссе и сосала сушку.

Но, вариант где первое слово заменено на "Кластеры", Элис также отсутствует, за неё говорит мужчина:

Кластеры соседних рядов по диагонали соединены между собою каналами / сквозь которые опять таки протянута тонкая витая серебряная проволока.

speeck писал(а): ↑

29 апр 2020 13:16

Потом, если заменить запятую на "/"

попробуйте поэкспериментировать в сторону замены всех знаков припенания на "/" кроме знака вопроса. Может полностью сломав признаки предложения будет использоваться только один голос по умолчанию?

tonio_k писал(а): ↑

29 апр 2020 13:49

попробуйте поэкспериментировать в сторону замены всех знаков припенания на "/" кроме знака вопроса. Может полностью сломав признаки предложения будет использоваться только один голос по умолчанию?

Не во всех случаях срабатывает. Здесь вместо Элис мужской голос:

Кластеры соседних рядов по диагонали соединены между собою каналами / сквозь которые опять таки протянута тонкая витая серебряная проволока.

Попробуйте озвучить неитральной Алисой:
Кластеры соседних рядов по диагонали соединены между собою каналами.
- Кластеры соседних рядов по диагонали соединены между собою каналами.
- - Кластеры соседних рядов по диагонали соединены между собою каналами.
- - - Кластеры соседних рядов по диагонали соединены между собою каналами.

S-a-b писал(а): ↑

29 апр 2020 17:11

Попробуйте озвучить неитральной Алисой:
Кластеры соседних рядов по диагонали соединены между собою каналами.
- Кластеры соседних рядов по диагонали соединены между собою каналами.
- - Кластеры соседних рядов по диагонали соединены между собою каналами.
- - - Кластеры соседних рядов по диагонали соединены между собою каналами.

Если тире заменить на слеши (любые) будет также.
Более того, если поставить любой читаемый единичный символ вначале, то произносит Элис. Например @, #, $ и тп. Кстати, знак + также, только он еще меняет ударение в первом слове.
Интересно, в Яндексе знают такие "особенности"? Вполне вероятно их модель оценки качества в основном автоматическая, то есть нейросеть сама оценивает качество своей работы (после первичных человеческих оценок), и такие "артефакты" ей не очевидны.
В целом очень занятное наблюдение, пригодится для последующего синтеза и корректировки словарей.

S-a-b писал(а): ↑

29 апр 2020 17:11

Попробуйте озвучить неитральной Алисой

Могу ошибаться, но Элис и Алиса это разные голоса.
Детально тестировал Элис, и это вообще один из самых "ошибковатых" голосов, постоянная смена на Чувака и других.
Насчет Алисы не вспомню, но сейчас её нет в списке официальных языков тут:
https://cloud.yandex.ru/services/speechkit, протестировать не получится. Хотя можно попробовать подобрать (прописать) вручную

Конечно Элис, а не Алиса. А на счет качества... и знает ли Яндекс... Должны же премиум голоса чем-то отличаться от обычных, а тем более бесплатных.
Иначе кто ж платить будет?

Nxtpr писал(а): ↑

30 апр 2020 20:13

Должны же премиум голоса чем-то отличаться от обычных, а тем более бесплатных.

Ну зачем вы пишете о том, чего не знаете? Вы тестировали премиум и не премиум? Сравнивали их?
В премиум ровно те же самые косяки.
Со временем возможно они их дообучат особо. А возможно и вовсе сделают бесплатными, ибо платный синтез ради синтеза это уже почти зашквар, другое дело когда синтез используется в купе с чем-то, в данном случае это облачная инфраструктура Яндекса.

speeck писал(а): ↑

01 май 2020 09:11

В премиум ровно те же самые косяки.

Личное мнение.
Бесплатный Яндекс просто так не доступен, в объёме книги и более - только через ключ (мне известно 2 рабочих - достаточно).
За счёт активных пользователей (конфетка в виде дармовых ключей изначально + см. выше)...
>>
Я прослушиваю предварительно до 1 встречаемого слова - закидываю на сервис с проставленным ударением + те что добавились в процессе прослушки...
выбрать это, проанализировать и в платный сервис..
Просто не представляю другой вариант для правильного произношения всех граней Великого и Могучего...
ПЫ Сы
И как только новые поступления (слова с не правильным произношением) перестанут поступать конфетка закончится... ещё раз напомню ИМХО

wasyaka писал(а): ↑

01 май 2020 16:09

Бесплатный Яндекс просто так не доступен

Не правда, бесплатный синтез Яндекса доступен как минимум в их браузере. Слушай любые статьи сколько угодно раз, да хоть книги, сделав тупо надстройку над браузером (пусть плагин), либо даже залив части книг на сайт-буфер и отдав браузеру как обычную статью. Прошу прощения за неаккуратное деление на "статья/книга", это условно, т.к. все это является информацией, и часто статья может не уступать по размером небольшой книжке.
Яндекс это инфраструктура, вполне вероятно, что они сделают свой синтез бесплатным, по меньшей мере базовые голоса, при условии, что ты будешь пользоваться в целом их продуктами. Как тот же Яндекс браузер.
Пользователь Эхо выше писал про другие разработки синтезов, полностью согласен. Сам по себе более-менее качественный синтез даже уже сейчас не является чем-то уникальным и мега сложным (дорогим), а лет через 5-10 скорее всего вовсе станет мейнстримом, своего рода базовой вещью, как окна в Виндовс, просто один из компонентов системы.
Где-то здесь на форуме, кажется, встречалась ссылка, там нейросеть обучили читать тексты голосами Обамы, Цукерберга и других известных людей. Качество уже на том этапе было очень достойное, а ведь модель можно дообучать бесконечно.
Уверен, через некоторое время мы будем синтезировать тексты плюс-минус любыми голосами (при наличии базы для обучения), где, например, книги Акунина будет читать "сам" Акунин-Чхартишвиили, а Полное собрание Ленина сам Ильич (его голосовых семплов не много, но возможно их достаточно, ведь Яндекс как-то смог воссоздать Левитана). Мы же, простые юзеры, будем платить за удобство получения такой информации, но не за сам синтез, как один из механизмов её укомплектации.
П.С. возможно немного замечтался, прошу прощения на всякий случай

Киньте для скачивания голос диктора valtz плиииз
У кого есть?

Пример замены всех знаков препинания и переноса строк в тексте на паузы (на разное кол-во слэшей)
текст: до замены: после замены:

S-a-b писал(а): ↑

01 июн 2020 09:24

Пример замены всех знаков препинания и переноса строк в тексте на паузы (на разное кол-во слэшей)
текст

Интересный эксперимент, метаморфоз меньше, но слушается хуже.
Попробуйте Оксану, она стабильнее. Если выбирать женский голос.
Сейчас прослушал на Оксане - без метаморфоз. Правда сам текст какой-то сумасброд. Что это, правда писатель писал? Какой-то набор малосвязных событий.

speeck,
Это начало книги и цикла. Рекомендю. Есть в исполнении Коршунова. Мне очень нравится.

S-a-b писал(а): ↑

01 июн 2020 14:16

Это начало книги и цикла. Рекомендю. Есть в исполнении Коршунова. Мне очень нравится.

Понятно. Имхо для экспериментов с озвучкой не самый лучший отрывок, т.к. текст относительно сумасбродный, что усложняет оценку качества произношения.
Мне даже пользовательское соглашение от Мелкософт показалось лучше написанным
Хотя там писари те еще, похоже там им платят за кол-во буков.

Доброго времени суток!

Мне понадобилось недавно озвучить около 70 млн. знаков текста.
Естественно хотелось это сделать на Plya_5 и бесплатно.
Естественно ключ разработчиков достать оказалось не так просто.
Уже хотел отдать денежку платному сервису Яндекса, и тут вспомнил про сайты, которые бесплатно озвучивают на основе yandex tts.
Оказываются они с удовольствием пользуются ключами разработчиков, так что страждущие как я могут в будущем легко найти ключ в коде страниц этих сайтов (как и я).
Всем добра!

ExpertLove писал(а): ↑

18 июн 2020 01:04

так что страждущие как я могут в будущем легко найти ключ в коде страниц этих сайтов (как и я).

Всего одну страницу назад тут же было.

Естественно хотелось это сделать на Plya_5 и бесплатно.

альтернативный способ со словарями

speeck писал(а): ↑

02 май 2020 11:37

П.С. возможно немного замечтался, прошу прощения на всякий случай

возможно, ваши сны стали вашей реальностью ))))

speeck писал(а): ↑

29 апр 2020 13:01

Если разбить фразу на 2 предложения, то все ок:

Об этом предупредил сам Яндекс еще в самом начале. ) )

SZ-Vtk писал(а): ↑

23 мар 2020 18:32

vorbis при равном битрейте на четверть или даже треть короче MP3, но его нет на старых смартфонах, а работать всё должно везде

Ogg есть даже на 4-м дроиде!
а на более старых нет уже никого давным-давно

speech писал(а): ↑

30 июн 2020 13:31

Об этом предупредил сам Яндекс еще в самом начале. ) )

В каком начале?

speeck писал(а): ↑

01 июл 2020 11:48

В каком начале?

В самом, в каком же еще. )
У них эта подсказка давно описана в рекомендациях по использованию голосов.

speech писал(а): ↑

01 июл 2020 15:58

У них эта подсказка давно описана в рекомендациях по использованию голосов.

Там ниже я указал еще более длинный пример, без точки:

Но если тут еще более удлинить фразу, добавив имя бабушки, то все ок:
"Ячейки соседних рядов по диагонали соединены между собою каналами, шла Саша по шоссе и сосала сушку которую украла в магазине напротив дома своей любимой бабушки Веры".

В таком случае произношение не меняется, читает один голос.

Кстати сказать, мое сообщение здесь же, возможно я был не прав, насчет одинаковых косяков в обычных и премиум голосах.
Послушал чтение в Яндекс браузере, там диктор читает совсем иначе, чем обычные голоса.
Сам Яндекс пишет, что Премиум используют "новую технологию для синтеза речи.... речь, синтезированная по новой технологии звучит естественнее".
Еще такой момент, согласно справке Яндекса: Честно, не знал, притом, что на всех обычных голосах интонация таки меняется, не только для jane или omazh.
Но, нужно заметить, смена голоса может происходить вообще на всех голосах (не считая премиум), не зависимо от выбора интонации.