Русский

Oʻzbekcha matnga jonli ovoz beramiz

Notiq TTS — oʻzbek tili uchun yaratilgan nutq sintezatori. Unga internet ham, videokarta ham kerak emas: oddiy kompyuterning oʻzida ishlayveradi.

Sinab koʻrishDasturchilar uchun API

Oʻzingiz sinab koʻring

Birinchi tovushgacha boʻlgan vaqt
0,2 soniya
Real vaqtga nisbatan tezlik
7 barobaroddiy protsessorda
Notoʻgʻri eshitilgan soʻzlar
4,1 %300 ta gap asosida
Tovush tozaligi
4,95 ballNISQA v2, 5 ballik shkala
Bitta ovoz paketining hajmi
54 MB

Ovozlarni eshitib koʻring

1-ovoz

ayol

2-ovoz

ayol

3-ovoz

erkak

4-ovoz

erkak

Muxlisa AI bilan solishtiring

Kech kuz edi. Buvim deraza oldida oʻtirib, uzoqlarga tikilardi. — Bolam, — dedi u sekin, — odam umr boʻyi shoshadi, lekin eng shirin damlar shoshmagan paytingda oʻtadi. Men indamay uning yoniga oʻtirdim.

Ayol ovozi

Notiq TTS

Muxlisa AI

Erkak ovozi

Notiq TTS

Muxlisa AI

soʻz — notoʻgʻri talaffuz qilingan; qanday eshitilgan boʻlsa, shunday yozilgansoʻz — ayrim tovushlari dasturga aniq eshitilmadiHar ikki tizimning barcha namunalari bir xil dasturlar yordamida tekshirilgan.

Javob vaqti

Birinchi tovushgachakami yaxshi
Birinchi tovushgacha. Notiq TTS: 0,1–0,3 s; Muxlisa AI: 2,5–4,5 s.Notiq TTSNotiq TTS: 0,1–0,3 s0,1–0,3 sMuxlisa AIMuxlisa AI: 2,5–4,5 s2,5–4,5 s
Birinchi tovushgacha
Notiq TTS0,1–0,3 s
Muxlisa AI2,5–4,5 s
Nutq toʻliq tayyor boʻlgunchakami yaxshi
Nutq toʻliq tayyor boʻlguncha. Notiq TTS: 1–2 s; Muxlisa AI: 5–8 s.Notiq TTSNotiq TTS: 1–2 s1–2 sMuxlisa AIMuxlisa AI: 5–8 s5–8 s
Nutq toʻliq tayyor boʻlguncha
Notiq TTS1–2 s
Muxlisa AI5–8 s

Bu teng sharoitdagi taqqoslash emas. Yuqoridagi beshta matn (11–17 soniyalik nutq) Notiq TTS’ga uch martadan, Muxlisa AI’ga bir martadan yuborilgan. Notiq TTS shu saytning serverida, protsessorning 2 ta oqimida, videokartasiz ishlagan; Muxlisa AI esa oʻz serverlarida ishlaydi va javobni internet orqali yuboradi. Oʻlchov sanasi: 2026-yil 16-noyabr.

Qanday ishlaydi

  1. 1-BOSQICH

    Matn tahlili

    Matn gaplarga boʻlinadi; sonlar, sanalar va qisqartmalar soʻz bilan yoziladi. Har bir soʻz tovushlarga ajratiladi va har bir tovush uchun oʻnlab belgi aniqlanadi: boʻgʻindagi oʻrni, urgʻu, soʻz va gapdagi oʻrni, gapning turi.

    RHVoice: qoidalar va lugʻat, neyron tarmoqsiz
  2. 2-BOSQICH

    Akustik model

    Neyron tarmoq avval har bir tovushning choʻziqligi va balandligini bashorat qiladi, soʻng shular asosida nutqning dastlabki spektrini chizadi — har 5 millisekundga bitta kadr. Model har bir kadr jarangli yoki jarangsiz ekanini ham aniqlaydi.

    Transformer, 4 + 4 qatlam · 10 mln parametr
  3. 3-BOSQICH

    Aniqlashtirish

    Dastlabki spektr haddan tashqari silliq boʻladi, undan olingan ovoz boʻgʻiq eshitiladi. Generativ model unga jonli ovozga xos mayda tafsilotlarni qoʻshadi. Katta model bu ishni oʻnlab qadamda bajaradi; undan oʻrgangan ixcham model esa atigi 2 qadamda.

    Flow matching, 2 qadam · 4,7 mln parametr
  4. 4-BOSQICH

    Vokoder

    Tayyor spektr tovush toʻlqiniga aylantiriladi: har soniyaga 24 000 ta qiymat.

    Vocos · 13,5 mln parametr
  5. 5-BOSQICH

    Tezlik va uzatish

    Nutq tezligi tinglovchi tanlagan darajaga keltiriladi; bunda ovoz balandligi oʻzgarmaydi. Uzun matn boʻlaklab hisoblanadi, tayyor boʻlgan boʻlak darhol yangraydi.

    Sonic · boʻlaklab uzatish

Afzalliklar

  • Qurilmaning oʻzida ishlaydi

    Server ham, internet ham, videokarta ham shart emas.

  • Maʼlumot tashqariga chiqmaydi

    Oʻqilayotgan matn hech qayerga joʻnatilmaydi.

  • Talaffuzni tuzatish mumkin

    Soʻzlarning oʻqilishi lugʻat va qoidalar orqali sozlanadi.

  • Natija oʻzgarmaydi

    Bitta matn har doim bir xil oʻqiladi.

  • Koʻzi ojizlar uchun qulay

    NVDA ekran oʻqish dasturiga ulanadi.

  • Har bir soʻrov uchun haq olinmaydi

    Bir marta oʻrnatiladi va cheklovsiz ishlaydi.

Loyiha nimalardan iborat

Biz yaratdik

  • Akustik model. Matndan nutqning ohangi, tovushlar choʻziqligi va spektrini hisoblaydigan neyron tarmoq. Noldan oʻqitilgan; tuzilishi FastSpeech turkumidagi gʻoyalarga tayanadi.
  • Aniqlashtiruvchi generativ model. Ovozga tabiiy tafsilotlar qoʻshadi va buni atigi ikki qadamda bajaradi.
  • Oʻqitish usuli. Diktor yozuvlaridagi haqiqiy pauzalarni topadigan belgilash tartibi va yangi ovozni bir necha soatda tayyorlaydigan retsept.
  • Sintez mexanizmi. Barcha qismlarni birlashtiradi, nutqni boʻlaklab uzatadi va oddiy protsessorda ishlaydi — Windows va Linux uchun.
  • Oʻzbekcha talaffuz ustidagi ish. Qoidalar va lugʻatga kiritilgan tuzatishlar.
  • NVDA qoʻshimchasi va ovoz paketlari.
  • Sifatni oʻlchash tartibi. 300 ta gapli sinov, tinglab tekshirish va boshqa tizimlar bilan solishtirish.

Tayyor qismlar

  • RHVoice — matn tahlili: soʻzlarni tovushlarga ajratish, urgʻu, sonlarni oʻqish. Olga Yakovleva va hamualliflar. LGPL 2.1.
  • RHVoice uchun oʻzbek tili paketi. Toshkent shahar koʻzi ojiz yoshlar markazining buyurtmasi va mablagʻi hisobiga, markaz tilshunosining maslahatlari asosida Non-Routine LLC tomonidan ishlab chiqilgan. LGPL 2.1.
  • Vocos — vokoder. MIT.
  • ONNX Runtime — modellarni ishga tushirish muhiti. Microsoft. MIT.
  • Sonic — nutq tezligini oʻzgartirish. Apache 2.0.

Oʻqitish va tekshirishda ishlatilgan vositalar: PyTorch, HTK, WORLD; shu sahifadagi nutqni aniqlash — Whisper (navai-uz/whisper-medium-uzbek) va wav2vec 2.0 (sarahai/uzbek-stt-3); tovush tozaligi — NISQA v2. Muxlisa AI namunalari xizmatning ochiq dasturiy interfeysi orqali, oʻzgartirishsiz olingan.