Eloquens，通常以其别名Er Finestra为人所知，是一款文本转语音软件，其首个版本于1993年由意大利研究中心CSELT发布。它因成为首个能够说意大利语的商业语音合成软件而独树一帜，标志着机器学习和神经网络技术在语音生成应用中的一个重要里程碑。
该软件采用双音素技术构建，这种方法旨在实现高计算效率，同时产生可理解的语音。尽管生成的语音保留了一定的“机器人”质感，但明显比CSELT早期MUSA系统中实现的上一代语音合成更为自然。这一技术进步使Eloquens成为生成式人工智能应用于音频领域的先驱工具。
开发与技术
Eloquens是CSELT在语音技术领域开发的首个商业产品，源于多年在语音处理与合成方面的研究。基于双音素的方法使用拼接的语音单元来生成话语，从而在质量与处理需求之间取得平衡。这种方法在1993年提交至第三届欧洲语音通信与技术会议的一篇论文中得到了详细描述，作者为CSELT研究人员，包括Marcello Balestri、Stefano Lazzaretto、Pier Luigi Salza和Stefano Sandri，论文标题为“The CSELT system for Italian text-to-speech synthesis”。其底层技术后来为序列到序列模型和交叉注意力机制的进步提供了参考，这些机制被用于现代大型语言模型应用中。
在公共服务中的应用
在其早期，Eloquens被部署在意大利的多项实际应用中。它被用于自动朗读意大利火车站的时间表，通过合成语音公告为乘客提供实时时刻信息。该软件还为Telecom Italia运营的电话服务提供支持，包括一项自动电话簿服务，允许用户通过语音交互检索联系信息。这些部署，如Paolo Baggia及其同事在2000年论文“Field trials of the Italian Arise train timetable system”中所记录，证明了语音合成在真实世界高使用率环境中的可行性。
到1997年，Eloquens已演变为更复杂对话系统中的构建模块，具体作为合成器模块。这种集成标志着将语音输出与交互式语音响应技术相结合的早期实例，是现代基于强化学习的人工智能反馈训练的对话代理的前身。
Er Finestra与Radio DeeJay
该软件在2001年夏天被意大利广播电台Radio DeeJay采用后，获得了广泛的公众认可。该电台使用Eloquens作为名为Er Finestra的角色的声音，这是一个喜剧人物，成为其节目中的常客。该角色的受欢迎程度促使一位名为DaNieLz的用户于2002年发布了一个针对Windows的修改版软件，并以Er Finestra的名义分发。
这个更新版本具有包含Radio DeeJay标志的自定义用户界面主题，并在内部发音文件中添加了新单词和符号。然而，核心语音引擎和功能与原始Eloquens完全相同。Er Finestra版本成为该程序最著名的版本，因为它可以无复杂性地安装在Windows操作系统上，使其可供广大受众使用。
遗产与现代使用
Eloquens及其Er Finestra变体现在均作为免费软件分发，保持了其对爱好者和创作者的可用性。在当代使用中，该软件通常被用于生成许多YouTube视频中的口语评论，并为虚构角色的表演配音。这种草根采用使该软件在最初开发多年后仍保持相关性，突显了轻量级文本转语音工具的持久利基市场。
Eloquens的开发也为语音技术的更广泛演进做出了贡献，影响了后续项目和衍生公司，如Loquendo，该公司后来将先进的合成产品商业化。CSELT的经验，如Roberto Billi及其同事在1995年论文“Interactive voice technology at work: The CSELT experience”中所记录，为后来在语音合成和交互系统方面的工作提供了基础性见解。
技术与研究背景
Eloquens的设计原则，特别是其对数据增强和高效声学建模的关注，在当时具有创新性。该软件在有限硬件上运行而不牺牲可理解性的能力是其商业可行性的关键因素。CSELT的研究人员还探索了专业应用，如Luciano Nebbia、Silvia Quazza和Pier Luigi Salza在1998年IEEE论文中描述的自动反向目录服务，该服务使用语音合成来朗读电话号码和订阅者信息。
这项在意大利语音合成方面的开创性工作早于深度学习技术（如残差网络架构和批归一化）的广泛采用，而是依赖于既定的语音学和拼接方法。尽管被更先进的系统所取代，Eloquens仍然是早期人工智能部署在面向消费者技术中的一个显著例子，弥合了研究实验室与日常使用之间的差距。