Аннотация: Цель работы: Разработка и локальное развертывание интеллектуальной программной системы сквозного синтеза речи с функцией Few-Shot клонирования индивидуального голоса. Сравнительный анализ архитектур синтеза речи и оценка эффективности нейросетевых моделей в условиях ограниченного объема обучающих данных. Технико-экономическое обоснование локального развертывания системы для автоматизации создания персонализированного образовательного контента в вузе. Методами, используемыми в работе, являются: системный анализ, математическое моделирование процессов нейросетевого инференса, экспертные оценки качества речи (MOS), сравнительный анализ производительности программного обеспечения, методы защиты информации. Результаты работы: Создание программного комплекса для синтеза речи на базе архитектуры XTTS v2, обеспечивающего качественный перенос тембральных характеристик спикера при использовании эталонных записей длительностью 15–20 секунд. Разработка методологии локального инференса на потребительском аппаратном обеспечении с оптимизацией под ROCm/HIP. Подтверждение юридической комплаентности системы требованиям 152-ФЗ. Область применения результатов: Данное исследование может быть полезно образовательным организациям, IT-компаниям, разрабатывающим инструменты автоматизации обучения, а также структурам, внедряющим технологии локальной обработки биометрических данных.
Соколов И. В. Математическое моделирование процесса синтеза индивидуального голоса преподавателя с использованием методов искусственного интеллекта / И. В. Соколов. - Иваново, 2026. - 53 с.