Многоязычный синтез речи с клонированием

[@KonstantinSpb]

Ждем когда появятся приложения преобразующие голос в текст, а потом текст в голос робота или какого-то другого человека, и привет товарищу майору и его системе распознавания голоса и поиска по голосовому отпечатку :)

[@Vlomme]

Если сносного качества можно достичь на слабой видеокарте и небольшом датасете, то боюсь представить возможности тех, у кого есть время и деньги. Причем если учить сеть только на русской речи, качество получается существенно выше.
Особенно забавляют новости про индетификацию пользователей в банках по голосу

[@DarkTwin]

Подскажите на какое решение смотреть если нужно голос в текст?
Если конкретнее то надо вычленять, по словарю, слова паразиты и мат.
Yandex.Kit и гугл не надо предлагать.

[@Vlomme]

Я бы смотрел в сторону DeepSpeech 2, wav2letter++.
И может помочь iPavlov.
Но, возможно, есть что-то и лучше.

[@akreal]

Можете попробовать ESPnet. Я недавно добавил модель для русского:

github.com/espnet/espnet/blob/master/egs/ru_open_stt/asr1/RESULTS.md

[@Qudata]

посмотрите Kaldi Speech Recognition Toolkit

[@snakers4]

всем кому интересна идея синтеза — вероятно вас заинтересует эта публикация — https://habr.com/ru/post/549480/