Разработчик автоматизировал расстановку ударений в TTS-движках с помощью модели GigaChat-2-Pro. Обработка массива из 7 789 слов позволила сформировать лексикон на 7 462 слова, что увеличило пользовательский словарь с 51 до 101 записи. Использование версии Lite для этой задачи признано неэффективным.

В ходе работы выявлено, что обработка текста большими пакетами приводит к ошибкам. Итоговый алгоритм включает генерацию списка кандидатов, их проверку малыми батчами и финальную верификацию человеком. Модель GigaChat-2-Pro требует настройки промпта из-за специфической расстановки знака ударения.

Для контроля качества озвучки внедрена модель GigaAM v3. Инструмент эффективно работает с чистыми записями, но при наличии радиоэффектов уступает Whisper. Из-за ограничений по длине аудиофайлы для анализа нарезаются на фрагменты по 30 секунд. Практический предел обработки составляет около 50 секунд.

Интеграция реализована через скрипты stress_suggest.py для работы со словарем и qa_recent.py для проверки синтеза. GigaAM v3 также показал высокую точность при распознавании шестиминутной записи с диктофона. Нейросети используются как вспомогательный инструмент для автоматизации рутины.