Компания Neuro.net, российская фирма, специализирующаяся на разработке голосового искусственного интеллекта, анонсировала появление нового поколения технологии синтеза речи. Данная технология рассчитана для использования в корпоративных системах и колл-центрах посредством API. В основу Neuro TTS положена архитектура, объединяющая большие языковые модели и диффузионный синтез, что обеспечивает генерацию речи с учетом контекста и нюансов акустических характеристик, а также предоставляет возможность гибкой настройки параметров звучания AI-агентов.
Данная платформа уже находится в стадии широкого доступа. Время задержки до начала воспроизведения звука при потоковой передаче составляет порядка 120 миллисекунд, что позволяет инициировать проигрывание до окончания формирования реплики и обеспечивает поддержание естественного ритма беседы.
Создание технологии основано на многолетнем опыте компании в области автоматизации взаимодействия с клиентами, где синтез речи играет важную роль в процессе распознавания, определения целей запроса и создания ответа.
Руководитель группы компаний, включающей Neuro.net, Александр ЦепелевОн отметил, что инновационные технологические группы должны определять развитие рынка и выступать в качестве конкурентов крупным экосистемным компаниям. В его заявлении указывалось, что создание собственных моделей диалогового искусственного интеллекта способствует технологической самостоятельности и дает возможность разрабатывать продукты, которые могут сопоставимо конкурировать с передовыми мировыми решениями по качеству, скорости выполнения задач и эффективности для бизнеса.
