Разработчик подключил GigaChat и GigaAM к озвучке русской TTS
Автор проекта русской озвучки подключил модели GigaChat и GigaAM к работе с текстом и звуком. Первая расставляет ударения, вторая распознаёт готовые записи и помогает сверять их с эталоном.
GigaChat обработал банк из 7789 слов и собрал лексикон на 7462 слова — покрытие 95,8%. Бесплатная модель Lite для этой задачи не подошла, использовалась Pro. Знак ударения модель ставит после ударной гласной и иногда обрывает конец слова, поэтому правила зафиксировали в промпте и парсере.
Лексикон, собранный одним большим прогоном, нельзя импортировать напрямую: 32 слова вроде «проскочила» и «куплена» выявлялись только повторной проверкой малыми порциями. В итоге словарь пополнился 50 словами, вырастет с 51 до 101, и ни одно из них автор не подбирал вручную.
GigaAM v3 распознаёт чистые записи быстро и точно, но путается при радиоэффектах, поэтому для таких треков остаётся whisper. Файлы длиннее примерно 50 секунд инструмент не принимает, поэтому длинные треки режут на окна по 30 секунд. Оба инструмента встроены в протокол: stress_suggest.py предлагает ударения, qa_recent.py и qa_recast.py проверяют свежий пересинтез.
Отдельно GigaAM за секунды распознал шестиминутную запись с диктофона почти без ошибок. Единственное слово, которое модель ни разу не расставила уверенно, — «гудни».