एलोक्वेन्स, जिसे आमतौर पर उपनाम एर फिनेस्ट्रा के नाम से जाना जाता है, एक टेक्स्ट-टू-स्पीच सॉफ्टवेयर है जिसका पहला संस्करण 1993 में इतालवी अनुसंधान केंद्र CSELT द्वारा जारी किया गया था। यह इतालवी बोलने में सक्षम पहला व्यावसायिक वाक् संश्लेषण सॉफ्टवेयर होने का गौरव रखता है, जो आवाज़ निर्माण में मशीन-लर्निंग और न्यूरल-नेटवर्क प्रौद्योगिकियों के अनुप्रयोग में एक महत्वपूर्ण मील का पत्थर साबित हुआ।
सॉफ्टवेयर का निर्माण डिफोन-प्रौद्योगिकी का उपयोग करके किया गया था, एक ऐसा दृष्टिकोण जो उच्च कम्प्यूटेशनल दक्षता प्राप्त करने के साथ-साथ सुगम वाक् उत्पन्न करने के लिए डिज़ाइन किया गया था। हालाँकि परिणामी आवाज़ में कुछ हद तक "रोबोटिक" गुणवत्ता बरकरार रही, यह CSELT के पहले के MUSA प्रणाली में लागू वाक् संश्लेषण की पिछली पीढ़ी की तुलना में काफी अधिक स्वाभाविक थी। इस तकनीकी प्रगति ने एलोक्वेन्स को ऑडियो पर लागू जेनरेटिव-एआई के क्षेत्र में एक अग्रणी उपकरण के रूप में स्थापित किया।
विकास और प्रौद्योगिकी
एलोक्वेन्स आवाज़ प्रौद्योगिकी के क्षेत्र में CSELT द्वारा विकसित पहला व्यावसायिक उत्पाद था, जो वाक् प्रसंस्करण और संश्लेषण में वर्षों के अनुसंधान से उभरा। डिफोन-आधारित विधि ने उच्चारण उत्पन्न करने के लिए संयोजित वाक् इकाइयों का उपयोग किया, जिससे गुणवत्ता और प्रसंस्करण आवश्यकताओं के बीच संतुलन बना। यह दृष्टिकोण 1993 में तीसरे यूरोपीय सम्मेलन ऑन स्पीच कम्युनिकेशन एंड टेक्नोलॉजी में प्रस्तुत एक शोधपत्र में विस्तृत था, जिसे CSELT के शोधकर्ताओं मार्सेलो बेलेस्ट्री, स्टेफानो लाज़ारेटो, पियर लुइगी साल्ज़ा और स्टेफानो सैंड्री द्वारा लिखा गया था, जिसका शीर्षक था "द CSELT सिस्टम फॉर इटालियन टेक्स्ट-टू-स्पीच सिंथेसिस।" अंतर्निहित तकनीकों ने बाद में आधुनिक लार्ज-लैंग्वेज-मॉडल अनुप्रयोगों में उपयोग किए जाने वाले सीक्वेंस-टू-सीक्वेंस मॉडल और क्रॉस-अटेंशन तंत्रों में प्रगति को प्रभावित किया।
सार्वजनिक सेवाओं में अनुप्रयोग
अपने शुरुआती वर्षों में, एलोक्वेन्स को इटली भर में कई व्यावहारिक अनुप्रयोगों में तैनात किया गया था। इसका उपयोग इतालवी रेलवे स्टेशनों पर समय-सारणी को स्वचालित रूप से पढ़ने के लिए किया गया था, जिससे यात्रियों को संश्लेषित आवाज़ घोषणाओं के माध्यम से वास्तविक समय की समय-सारणी जानकारी मिलती थी। सॉफ्टवेयर ने टेलीकॉम इटालिया द्वारा संचालित टेलीफोन सेवाओं को भी शक्ति प्रदान की, जिसमें एक स्वचालित पता पुस्तिका सेवा शामिल थी जो उपयोगकर्ताओं को आवाज़ इंटरैक्शन के माध्यम से संपर्क जानकारी प्राप्त करने की अनुमति देती थी। पाओलो बागिया और सहकर्मियों द्वारा 2000 के शोधपत्र "फील्ड ट्रायल्स ऑफ द इटालियन अराइज़ ट्रेन टाइमटेबल सिस्टम" जैसे अनुसंधान में प्रलेखित ये तैनातियाँ, वास्तविक दुनिया, उच्च-उपयोग वाले वातावरणों में वाक् संश्लेषण की व्यवहार्यता को प्रदर्शित करती हैं।
1997 तक, एलोक्वेन्स अधिक जटिल संवाद प्रणालियों में एक निर्माण खंड, विशेष रूप से एक सिंथेसाइज़र मॉड्यूल, के रूप में विकसित हो चुका था। इस एकीकरण ने इंटरैक्टिव वॉयस रिस्पांस तकनीक के साथ वाक् आउटपुट को संयोजित करने का एक प्रारंभिक उदाहरण चिह्नित किया, जो आधुनिक आरएलएआईएफ-प्रशिक्षित संवादी एजेंटों का अग्रदूत था।
एर फिनेस्ट्रा और रेडियो डीजे
सॉफ्टवेयर को 2001 की गर्मियों में व्यापक लोकप्रिय पहचान मिली जब इसे इतालवी रेडियो स्टेशन रेडियो डीजे द्वारा अपनाया गया। स्टेशन ने एलोक्वेन्स का उपयोग एर फिनेस्ट्रा नामक एक चरित्र की आवाज़ के रूप में किया, जो एक हास्य व्यक्तित्व था और उनके कार्यक्रमों का एक प्रमुख हिस्सा बन गया। चरित्र की लोकप्रियता के कारण 2002 में डाएनील्ज़ नामक एक उपयोगकर्ता द्वारा विंडोज़ के लिए सॉफ्टवेयर का एक संशोधित संस्करण जारी किया गया, जिसने इसे एर फिनेस्ट्रा के नाम से वितरित किया।
इस अद्यतन संस्करण में रेडियो डीजे लोगो को शामिल करने वाला एक कस्टम यूजर इंटरफेस थीम था और आंतरिक उच्चारण फ़ाइलों में नए शब्द और प्रतीक जोड़े गए थे। हालाँकि, मुख्य आवाज़ इंजन और कार्यक्षमता मूल एलोक्वेन्स के समान ही रही। एर फिनेस्ट्रा रिलीज़ कार्यक्रम का सबसे प्रसिद्ध संस्करण बन गया क्योंकि इसे जटिलताओं के बिना विंडोज़ ऑपरेटिंग सिस्टम पर स्थापित किया जा सकता था, जिससे यह व्यापक दर्शकों के लिए सुलभ हो गया।
विरासत और आधुनिक उपयोग
एलोक्वेन्स और इसका एर फिनेस्ट्रा संस्करण दोनों अब फ्रीवेयर के रूप में वितरित किए जाते हैं, जो उत्साही और रचनाकारों के लिए उनकी उपलब्धता को संरक्षित करते हैं। समकालीन उपयोग में, सॉफ्टवेयर आमतौर पर कई YouTube वीडियो में बोले गए टिप्पणियाँ उत्पन्न करने और काल्पनिक पात्रों के प्रदर्शन को आवाज़ देने के लिए नियोजित किया जाता है। इस जमीनी स्तर की अपनाने ने सॉफ्टवेयर को इसके प्रारंभिक विकास के वर्षों बाद भी प्रासंगिक बनाए रखा है, जो हल्के टेक्स्ट-टू-स्पीच उपकरणों के लिए एक स्थायी स्थान को उजागर करता है।
एलोक्वेन्स के विकास ने वाक् प्रौद्योगिकी के व्यापक विकास में भी योगदान दिया, जिसने बाद की परियोजनाओं और स्पिन-ऑफ जैसे लोकेंडो को प्रभावित किया, एक कंपनी जिसने बाद में उन्नत संश्लेषण उत्पादों का व्यावसायीकरण किया। CSELT का अनुभव, जैसा कि रॉबर्टो बिली और सहकर्मियों द्वारा 1995 के शोधपत्र "इंटरएक्टिव वॉयस टेक्नोलॉजी एट वर्क: द CSELT एक्सपीरियंस" जैसे प्रकाशनों में प्रलेखित है, ने बाद में वाक्-संश्लेषण और इंटरैक्टिव प्रणालियों में काम को प्रभावित करने वाली मौलिक अंतर्दृष्टि प्रदान की।
तकनीकी और अनुसंधान संदर्भ
एलोक्वेन्स के डिज़ाइन सिद्धांत, विशेष रूप से डेटा-ऑग्मेंटेशन और कुशल ध्वनिक मॉडलिंग पर इसका ध्यान, अपने समय के लिए अभिनव थे। सॉफ्टवेयर की बुद्धिमत्ता का त्याग किए बिना सीमित हार्डवेयर पर काम करने की क्षमता इसकी व्यावसायिक व्यवहार्यता में एक प्रमुख कारक थी। CSELT के शोधकर्ताओं ने विशेष अनुप्रयोगों का भी पता लगाया, जैसे कि 1998 के IEEE शोधपत्र में लुसियानो नेबिया, सिल्विया क्वाज़ा और पियर लुइगी साल्ज़ा द्वारा वर्णित स्वचालित रिवर्स निर्देशिका सेवा, जिसने टेलीफोन नंबर और ग्राहक जानकारी को ज़ोर से पढ़ने के लिए वाक् संश्लेषण का उपयोग किया।
इतालवी वाक् संश्लेषण में यह अग्रणी कार्य रिसिड्यूअल-नेटवर्क आर्किटेक्चर और बैच-नॉर्मलाइज़ेशन जैसी गहन शिक्षण तकनीकों के व्यापक अपनाने से पहले का था, जो इसके बजाय स्थापित ध्वन्यात्मक और संयोजक विधियों पर निर्भर था। अधिक उन्नत प्रणालियों द्वारा प्रतिस्थापित किए जाने के बावजूद, एलोक्वेन्स उपभोक्ता-सामना करने वाली तकनीक में तैनात प्रारंभिक कृत्रिम-बुद्धिमत्ता का एक उल्लेखनीय उदाहरण बना हुआ है, जो अनुसंधान प्रयोगशालाओं और रोजमर्रा के उपयोग के बीच की खाई को पाटता है।