Audiction
гибридный нормализатор текста для систем синтеза речи
2 мин чтенияобновлено
Audiction переводит написанный по-английски текст в формат, удобный для озвучки голосовыми движками (Text-to-Speech): например, превращает сокращения, даты, суммы денег и числа в полностью проговариваемые слова («11/21» становится «November twenty-first»). Проект разработан OmniSpace Technologies на базе модели google/byt5-small с примерно 300М параметров и работает в связке с точными языковыми правилами. Модель пригодится разработчикам голосовых ассистентов, создателям подкастов и авторам контента, которые используют TTS-системы и хотят избежать неверного произношения чисел, аббревиатур и спецсимволов.
Ключевые особенности
- Гибридный режим: ручные правила обрабатывают стандартные конструкции за микросекунды, а модель подключается только в сложных или неоднозначных ситуациях.
- Высокая точность: на синтетических и реальных тестовых наборах данных показатели успешности достигают 99.9% и выше.
- Обучение на проверенных данных: использовались синтетические шаблоны и выборка из датасета FineWeb без использования закрытых или коммерческих текстов.
- Открытая лицензия Apache 2.0 позволяет использовать и модифицировать решение в коммерческих проектах.
Что можно сделать
- Встроить нормализатор перед любой TTS-моделью в боте или сервисе озвучки для корректного чтения дат, цен и адресов.
- Подготовить радиоскрипты и тексты объявлений, автоматически преобразуя цифры в слова без ручной правки.
- Использовать гибридный пайплайн из Python для обработки сложных документов или логов перед синтезом речи.
Пример
from normalize import Normalizer
norm = Normalizer(".") # hybrid: rules first, the model only where the rules refuse
norm(["Dr. Patel joins us from Pine Ave. after the break."])
Подробнее
Бенчмарки: 1.000 на 2000 синтетических примерах (eval_synth.jsonl), 0.9995 на eval_synth_v3.Железо: обучено на Modal H100s, инференс работает на стандартных CPU/GPU.
Ограничения: ориентировано на американские стандарты английского языка (даты, доллары, градусы Фаренгейта), не обрабатывает URL, email и промокоды.










Комментарии