Чтобы проверить, насколько хорошо сервисы справляются с русским языком, подобрали фразы, которые представляют сложность для ИИ при озвучивании текста, такие как, числа, даты, валюты, проценты, сокращения, имена собственные. Отдельно проверили умение модели выбирать ударение по контексту и эмоциональную выразительность. О том, как повели себя сервисы и на что стоит обратить внимание при выборе, читайте далее.

Для тестирования были выбраны следующие бесплатные сервисы:

speechma.com, ttsmaker.com, luvvoice.com.

1. Тестируем озвучивание чисел, дат, валюты, процентов.

Что проверяем: чтение разрядов, десятичных дробей, формата даты, времени, символов валюты и процентов.

Фразы:
«Счёт составил 12 345,67 ₽, а скидка — 15,5%.»;
«Встреча назначена на 15.03.2024 в 14:30, не опаздывайте.».

Результаты: Протестированные сервисы показали абсолютно одинаковые результаты. Все допустили одну и ту же ошибку при озвучивании суммы счета. Так как, результаты данных сервисов не отличаются друг от друга, то ниже, для примера, приведен результат озвучивания одного из сервисов.

2. Аббревиатуры и сокращения.

Что проверяем: чтение аббревиатур по буквам или как слов, раскрытие сокращений «т.е.», «др.», чтение номера ГОСТа с точками и дефисами.

Фразы:
«ЦБ и Минпромторг подписали соглашение, т.е. документ уже вступил в силу.»;
«Согласно ГОСТ 11.8.003-78, требования к освещению учебной зоны обязательны.».

Результаты: В этом тесте, также все допустили одну и ту же ошибку при озвучивании сокращения «т.е.». Ниже, для примера, приведен результат озвучивания одного из сервисов.

3. Имена собственные, топонимы, редкие фамилии

Что проверяем: произношение сложных фамилий (Щ, Ж, сочетания), топонимов, имён с отчеством, названий в кавычках.

Фразы:
«Щербакова и Жолобов отправились в Нью-Йорк через Байкало-Амурскую магистраль.»;
«Пётр Ильич Чайковский написал увертюру «1812 год» в 1880 году.».


Результаты: В этом тесте сервисы допустили ошибку в имени Пётр и в озвучивании названии увертюры «1812 год».

4. Контекстное произношение

Что проверяем: умение модели выбрать ударение по контексту (омографы).

Фразы:
«Старинный за́мок стоял на холме, а рядом — замо́к от подвала.»;
«Этот товар сто́ит дорого, но он того сто́ит.».

Результаты: Ни один сервис не справился с умением выбрать ударение по контексту. Оцените результат сами.

5. Эмоциональная выразительность

Что проверяем: умеет ли модель менять тон, темп, громкость и тембр под эмоцию; есть ли «живая» интонация, а не ровное чтение.

Фразы:
Радость: «Ура, мы наконец-то это сделали! Я так счастлив!»;
Удивление: «Не может быть… Ты серьёзно это сделал сам?».

Результаты: И здесь результаты были одинаковые. Отметим, как положительный результат, только вопросительную интонацию. Остальное было озвучено, на наш взгляд, ровным "безжизненным" голосом.

Итог: Если озвучивать специфические тексты, содержащие сложные предложения, с числами, датами, с указанием валюты, процентов, сокращений или имена собственные, то скорее результат разочарует. Также, вероятен неправильный выбор ударения и проблемы с эмоциональной выразительностью. Для бесплатного использования доступны модели справляющиеся с простыми текстами и не обладающие «живой» интонацией. Для того, чтобы получить более качественное озвучивание, необходимо будет зарегистрироваться и выбрать один из платных тарифов.