Недавно я начал изучать машинное обучение для разработки синтезатора голоса, используя свой собственный голос, используя в качестве эталона такотрон от Google.Результаты были в лучшем случае средними, и для их синтеза потребовалось немного времени.
Теперь мне интересно, как такие приложения, как Adobe Reader, могут делать это в реальном времени с таким высоким качеством.Есть ли у них какая-либо модель голоса, предустановленная с этими приложениями?Если да, то как они создают эти модели голоса, которые также очень малы по размеру?