Radio Link V2, TTS-stilar och bättre DJ-prat

Arbetet med Saras radioprat fortsatte med fokus på större variation och bättre kontroll över hur rösten används.

Radio Link V2

Vi byggde vidare på systemet som bestämmer vilken typ av prat Sara ska använda mellan låtarna.

I stället för att nästan samma presentation genereras varje gång kan systemet nu välja mellan flera olika typer av radiolänkar, exempelvis backsell, frontsell, kortare länkar och friare prat.

Målet är att få mindre upprepningar och ett mer naturligt radioflöde.

Systemet får också bättre information om föregående och kommande låt så att AI:n kan använda rätt sammanhang när texten skapas.

TTS-stilar

Vi byggde även ut kedjan mellan radiosystemet och Westin-AI så att information om önskad talstil kan följa med hela vägen till röstgenereringen.

Flödet är ungefär:

Radio Controller → remoteTts → Westin-AI → VoxCPM

Det gör det möjligt att låta olika typer av radioprat använda olika uttryck, exempelvis neutralare, varmare eller mjukare röststil.

Under arbetet rättades även problem med remoteTts och dess anrop mot Westin-AI.

Efter ändringarna kunde riktiga TTS-anrop genomföras och WAV-filer genereras korrekt.

Bättre övergångar

Vi har också fortsatt justera hur pratet placeras mellan låtarna.

Extra marginal runt TTS-ljudet och längre ducking används för att ge rösten mer plats och göra övergångarna mellan musik och prat mjukare.

Det här är ännu ett steg mot att Sara ska låta mer som en riktig radiopratare och mindre som ett automatiskt TTS-system.