Naiz irratirako TTS berria:

Ahots pertsonalizatuak

Azalpen orokorra

Naiz Irratiarentzat euskarazko hizketa-sintesiko (TTS) sistema berri bat garatu dugu, eta edozein testu digital podcast formatuan entzuteko aukera ematen du. Ahots-katalogo pertsonalizatua eta espresabide lokutatu hobea ekarri nahi ditu.

Erronka

Erronka nagusia kazetaritza-testuen ezaugarri zailei (esaldi luzeak, entitate ugari) egokitutako sintesi natural eta adierazkorra lortzea izan da, hizlari bakoitzeko grabazio gutxirekin, eta Naiz Irratiak bere ahots-katalogoa aukeratu ahal izatea bermatzea.

Elkarlana

Naiz Irratiarentzat garatu da.

Emaitza

Hizlari bakoitzeko 150 esaldiko grabazioak bildu dira eta hizlari anitzeko FastPitch + HiFi-GAN sistema entrenatu da. POS etiketak eta BERT bektoreak gehitutako bertsioak ere probatu dira, baina jatorrizko FastPitch ereduak lortu ditu emaitzarik onenak, eta hori jarri da produkzioan.