Даём узбекскому тексту живой голос
Notiq TTS — синтезатор речи, созданный для узбекского языка. Ему не нужны ни интернет, ни видеокарта: он работает на обычном компьютере.
- Время до первого звука
- 0,2 секунды
- Быстрее реального времени
- в 7 разна обычном процессоре
- Неверно услышанные слова
- 4,1 %на 300 фразах
- Чистота звука
- 4,95 баллаNISQA v2, шкала до 5
- Размер одного голосового пакета
- 54 МБ
Послушайте голоса
Голос 2
Голос 3
Голос 4
Сравните с Muxlisa AI
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.Женский голос
Мужской голос
Hurmatli fuqarolar! Elektron hukumat tizimi orqali murojaat yuborish uchun shaxsiy kabinetingizga kiring va tegishli boʻlimni tanlang. Murojaatingiz qonunda belgilangan muddatda koʻrib chiqiladi, natijasi haqida sizga xabar beriladi.Женский голос
Мужской голос
Toshkentda xalqaro kitob koʻrgazmasi ochildi. Unda Oʻzbekiston, Qozogʻiston va Turkiyadan kelgan 40 dan ortiq nashriyot ishtirok etmoqda. Tashkilotchilarning aytishicha, koʻrgazma 3 kun davom etadi, kirish bepul.Женский голос
Мужской голос
— Kechirasiz, temir yoʻl vokzaliga qanday borsam boʻladi? — Toʻgʻriga yuring, chorrahadan chapga burilasiz. — Uzoqmi? — Yoʻq, piyoda besh daqiqa. — Katta rahmat! — Arzimaydi, oq yoʻl!Женский голос
Мужской голос
Kutubxona har kuni soat 9 dan 18 gacha ishlaydi. 2026-yil 1-dekabrdan boshlab aʼzolik toʻlovi 25000 soʻmni tashkil etadi. Batafsil maʼlumot uchun 1234 raqamiga qoʻngʻiroq qiling.Женский голос
Мужской голос
слово — произнесено неверно; записано так, как прозвучалослово — отдельные звуки программа расслышала нечёткоВсе образцы обеих систем проверены одними и теми же программами.
Время ответа
| Notiq TTS | 0,1–0,3 с |
|---|---|
| Muxlisa AI | 2,5–4,5 с |
| Notiq TTS | 1–2 с |
|---|---|
| Muxlisa AI | 5–8 с |
Это сравнение не в равных условиях. Пять текстов выше (11–17 секунд речи) отправлялись Notiq TTS по три раза, Muxlisa AI — по одному. Notiq TTS работал на сервере этого сайта, в 2 потоках процессора, без видеокарты; Muxlisa AI работает на своих серверах и присылает ответ через интернет. Дата замера: 16 ноября 2026 года.
Как это работает
- СТУПЕНЬ 1
Разбор текста
Текст делится на предложения; числа, даты и сокращения записываются словами. Каждое слово раскладывается на звуки, и для каждого звука определяются десятки признаков: место в слоге, ударение, место в слове и в предложении, тип предложения.
RHVoice: правила и словарь, без нейросети - СТУПЕНЬ 2
Акустическая модель
Нейросеть сначала предсказывает длительность и высоту каждого звука, а затем по ним рисует черновой спектр речи — один кадр на каждые 5 миллисекунд. Модель также определяет, звонкий это кадр или глухой.
Трансформер, 4 + 4 слоя · 10 млн параметров - СТУПЕНЬ 3
Проявитель
Черновой спектр получается слишком гладким, и голос по нему звучит глухо. Отдельная модель, проявитель, добавляет мелкие детали, свойственные живому голосу. Большая модель делает это за десятки шагов, а обученная у неё компактная — всего за 2.
Flow matching, 2 шага · 4,7 млн параметров - СТУПЕНЬ 4
Вокодер
Готовый спектр превращается в звуковую волну: 24 000 значений в секунду.
Vocos · 13,5 млн параметров - СТУПЕНЬ 5
Темп и передача
Темп речи приводится к выбранному слушателем; высота голоса при этом не меняется. Длинный текст рассчитывается по частям, и готовая часть звучит сразу.
Sonic · передача по частям
Преимущества
Работает на самом устройстве
Не нужны ни сервер, ни интернет, ни видеокарта.
Данные не уходят наружу
Читаемый текст никуда не отправляется.
Произношение можно исправить
Чтение слов настраивается словарём и правилами.
Результат не меняется
Один и тот же текст всегда читается одинаково.
Удобно незрячим
Подключается к программе экранного доступа NVDA.
Нет платы за каждый запрос
Устанавливается один раз и работает без ограничений.
Из чего состоит проект
Создано нами
- Акустическая модель. Нейросеть, которая по тексту рассчитывает мелодию речи, длительность звуков и спектр. Обучена с нуля; её устройство опирается на идеи семейства FastSpeech.
- Проявитель — модель уточнения спектра. Добавляет голосу естественные детали и делает это всего за два шага.
- Способ обучения. Разметка, которая находит настоящие паузы в записях диктора, и рецепт, по которому новый голос готовится за несколько часов.
- Механизм синтеза. Объединяет все части, передаёт речь по частям и работает на обычном процессоре — для Windows и Linux.
- Работа над узбекским произношением. Исправления в правилах и словаре.
- Дополнение для NVDA и голосовые пакеты.
- Порядок измерения качества. Испытание на 300 фразах, проверка на слух и сравнение с другими системами.
Готовые части
- RHVoice — разбор текста: деление слов на звуки, ударение, чтение чисел. Ольга Яковлева и соавторы. LGPL 2.1.
- Пакет узбекского языка для RHVoice. Разработан компанией Non-Routine LLC по заказу и на средства Центра незрячей молодёжи города Ташкента, при консультациях лингвиста центра. LGPL 2.1.
- Vocos — вокодер. MIT.
- ONNX Runtime — среда запуска моделей. Microsoft. MIT.
- Sonic — изменение темпа речи. Apache 2.0.
Средства, использованные при обучении и проверке: PyTorch, HTK, WORLD; распознавание речи на этой странице — Whisper (navai-uz/whisper-medium-uzbek) и wav2vec 2.0 (sarahai/uzbek-stt-3); чистота звука — NISQA v2. Образцы Muxlisa AI получены через открытый программный интерфейс сервиса, без изменений.