Компания Neuro.net, российский разработчик решений в области голосового ИИ, представила новое поколение технологии синтеза речи (TTS). Новая разработка расширяет стек речевых технологий Neuro.net и предназначена для использования в голосовых ИИ-решениях. Об этом CNews сообщили представители Neuro.net.
Новый Neuro TTS построен на современной архитектуре, в которой большие языковые модели и диффузионный синтез совместно формируют речь с учетом контекста текста и тонких акустических особенностей голоса. Бизнес может задавать характер звучания ИИ-агентов и встраивать синтез в свои сервисы через API. Но выпустить сильную модель – половина задачи. Конкуренция за бизнес начинается там, где технология становится готовым инструментом, которым клиент легко может пользоваться каждый день и получать измеримый результат.
«Я не считаю, что развитие искусственного интеллекта в России должно быть территорией нескольких корпораций. У независимых технологических компаний тоже должны быть амбиции задавать темп рынку. Сильная инженерная команда может предложить решения, на которые придется отвечать и крупнейшим игрокам. В Neuro.net мы годами развиваем собственные технологии разговорного ИИ: распознавание и синтез речи, управление диалогом. Для нас это и технологическая независимость, и возможность самим определять, на что способны наши продукты. Мы хотим, чтобы технологии, которые создает наша команда, выдерживали сравнение с лучшими мировыми решениями. Мы видим, как в мире конкуренция ИИ-компаний заставляет даже гигантов двигаться быстрее, пересматривать стратегии и выпускать то, что ещё вчера казалось невозможным. Я хочу, чтобы в России было так же. Чтобы за внимание бизнеса боролись качеством технологий, скоростью и результатом. И мы готовы эту конкуренцию создавать», — сказал Александр Цепелев, глава группы компаний, в которую входит Neuro.net.
Разработка TTS опирается на практический опыт Neuro.net в автоматизации контакт-центров. В таких проектах синтез речи оценивается не как отдельная технология, а как часть полноценного диалога: голосовой ИИ должен распознать речь клиента, понять намерение, сгенерировать релевантный ответ и озвучить его так, чтобы разговор оставался естественным и управляемым.
Платформа уже вышла в общую доступность: Neuro TTS можно использовать в рабочих сервисах. В потоковом режиме синтез начинает отдавать аудиоданные через 120 мс после запроса, позволяя запускать воспроизведение до завершения генерации всей реплики.
Поделиться
