Kokoroi-rs, un motor de texto a voz (TTS) en chino de código abierto, ha lanzado la versión 0.1.2 con una revisión arquitectónica significativa. El cambio principal es el cambio del Alfabeto Fonético Internacional (IPA) a Bopomofo (Zhuyin) como motor de grafema a fonema (G2P), que está más alineado con la fonología china. Además, la arquitectura del modelo se ha actualizado de un solo modelo a tres niveles (S, M, L), lo que permite a los usuarios equilibrar el rendimiento y el uso de recursos. Esta actualización aborda problemas comunes en el TTS en chino, como la prosodia no natural y el acento extranjero, aprovechando un sistema de fonemas que captura mejor los matices tonales y fonéticos. Para los desarrolladores e investigadores en NLP, esto representa una innovación práctica que podría mejorar la calidad de las aplicaciones de voz en chino, desde asistentes virtuales hasta herramientas de accesibilidad. El proyecto está disponible en GitHub, y la actualización es particularmente relevante para aquellos que trabajan en sistemas TTS multilingües o específicos para chino.
Kokoroi-rs v0.1.2 introduce una actualización importante de la arquitectura para el motor de texto a voz en chino, reemplazando el IPA por fonemas Bopomofo y ofreciendo tres tamaños de modelo (S/M/L). Este cambio tiene como objetivo mejorar la naturalidad y eficiencia del TTS en chino, lo que lo convierte en un desarrollo notable para los ingenieros de NLP que trabajan con idiomas asiáticos.