Компания Adobe показала новое ПО для работы со звуком. VoCo идет по следам известных программ Adobe для обработки фото и монтажа видео - Photoshop и Premier. VoCo уже нарекли «фотошопом для аудио», как бы подчеркивая широкие возможности программы, а также понятный интуитивный интерфейс.
VoCo расшифровывается как Voice Conversion, и это словосочетание как нельзя лучше описывает возможности самой программы: ПО предназначено для манипуляций с речью. Программа показывает пользователю записанную речь в виде вейвформы, а также распознанный текст. В последствии вейвформу или текст можно редактировать, перемещая, заменяя или удаляя слова. Также возможно добавлять новые слова. Однако есть одно ограничение – в настоящее время программа работает только с английской речью.
Для манипуляций со словами VoCo может работать с уже записанной речью длительностью до 20 минут, но этот параметр должен увеличиться в будущем. Для того, чтобы сделать звучание как можно более реалистичным, программа разбивает слова на фонемы, анализирует паузы, интонацию и так далее. К сожалению, Adobe не утруждает себя долгими объяснениями.
В дальнейшем программа должна научиться справляться с любой речью. VoCo может собирать из фонем даже те слова, которые не были записаны в оригинальном аудио. Тем не менее, такие слова все-таки звучат немного неестественно. Гораздо лучше получается работать с уже существующими произнесенными словами. В будущем качество синтезируемой речи должно значительно улучшиться.
Adobe VoCo в настоящее время находится лишь в статусе прототипа программы. Обычно компания показывает подобные технологии за один – два года до того, как выпустить коммерческий продукт. Вероятно, что VoCo не будет отдельной программой, а войдет в пакет Audition. Также возможно, что Adobe воспользуется более продвинутыми движками распознавания голоса. Такие компании, как Google, Amazon, Baidu или Apple, продвинулись в этом направлении довольно далеко.