Какво прави Гласи
Гласи взема текста, който поставите, и връща MP3 файл, който го чете на глас. В момента има 13 български гласа, гласове, изградени от записи на носители на езика за още 63 езика, и възможност сами да си направите глас от запис от три до осем секунди.
Всяка заявка може да е до 500 думи, с 5 секунди между две заявки. Няма платен план, няма надграждане и няма воден знак върху файла.
Откъде идват гласовете
Всички гласове са изградени от Mozilla Common Voice 17.0 — отворен корпус, в който хора от цял свят четат изречения и се проверяват взаимно. Всеки запис носи client_id, тоест кода на човека, който го е направил. Затова знаем със сигурност, че всеки глас е различен човек, а не един и същ човек два пъти.
Общо в българската част има 85 говорещи, които отговарят на условията: 19 жени и 66 мъже. Тук са подбрани 13 — 7 женски и 6 мъжки — разпределени по височина на тона, за да се чува разликата между тях още от първите два гласа.
Всеки глас трябваше да мине две проверки, преди да се появи на сайта. Първо, разпознавател на реч трябваше да прочете обратно над 55% от думите на известно предварително българско изречение; постигнатото е между 0,89 и 1,00. Второ, машината трябваше да възпроизведе истинската височина на тона на говорещия. Един женски глас беше премахнат, защото излезе 66 Hz по-нисък от записа — тоест щеше да звучи почти мъжки, а вие бихте получили нещо различно от това, което сте чули.
Как се прави звукът
Гласът не се слепва от готови парчета звук. Всяко изречение се генерира от модел на графична карта в момента, в който натиснете бутона. Измерено на машината, която работи в момента: текст от 500 думи, който за български се отрязва на 4000 знака, отнема около 17 секунди машинно време.
Целият сайт работи на една графична карта. Когато тя се натовари, страницата го казва веднага и посочва колко секунди да изчакате, вместо да ви кара да чакате и после да се провали. Това е и причината да има пауза между заявките: за да не заеме един човек, който натиска непрекъснато, мястото на всички останали.
Защо е безплатно
Гласи работи на сървър, споделен с друг проект на същия човек, така че допълнителният разход е основно ток и време на графична карта, което иначе би стояло празно. Няма инвеститор, който да си връща парите от вас.
Обратната страна е какво този сайт никога няма да прави: без реклами, без продажба или споделяне на потребителски данни с посредници, и без воден знак, за чието махане да плащате.
Какво още не може
Записите не са студийни. Common Voice се записва вкъщи, с какъвто микрофон има човекът. За всеки говорещ е подбран най-чистият запис, но ако ви трябва рекламен глас от студио, това не е мястото.
Ромският изобщо не се чете. Той е майчин за няколкостотин хиляди души в България, но проблемът е по-дълбок от липсата на глас: моделът не познава ромски езиков код сред своите 646, а Common Voice има 122 езика и нито един от тях не е ромски. Тоест не е въпрос на подбор, а на липсващи данни. Турският — другият голям език на малцинство в България — има глас на носител.
Има 6 мъжки гласа срещу 7 женски, и това не е избор: българската част на Common Voice има 66 мъже срещу 19 жени, отговарящи на условията, така че женските гласове идват от по-тесен подбор.
Сайтът не пази история на това, което сте направили, и няма начин да се върне стар файл, след като 24-те часа са минали.
Кой го поддържа
Гласи е личен проект, поддържан от един човек. Не е фирма и не е регистрирано търговско дружество.
Пишете спокойно: [email protected]