Estonian TTS samples

New: long texts in one voice, a news bulletin and a speech, each rendered six ways.

Estonian text-to-speech after fine-tuning. Every prompt has two takes (two seeds). Sections: plain text without tags; inline tags, each line followed by the same words with the tags taken out; freeform English instructions, for voice design without a reference and for delivery in a reference voice. Design and delivery run with classifier-free guidance 4. Per clip: CER from an Estonian speech recogniser, P(et) from a language classifier, speaker similarity to the reference, and length. A red 'overrun' mark is an automatic stop detector's flag; most of these are a long pause before the last words, not extra speech.

Mode	CER	P(et)	sim	failed
plain (12 clips)	0.0%	0.99		0%
clone (36 clips)	0.9%	0.85	0.62	8%
tags (24 clips)	1.8%	0.70	0.46	12%
design (18 clips)	3.6%	0.74		0%
direction (16 clips)	1.5%	0.68	0.41	0%

CER leaves whispered prompts out. P(et) is a language classifier's P(Estonian), a trend line for accent, not a verdict. sim is speaker similarity to the reference. failed is the share of silent, truncated or overrunning clips.

Without tags, no reference

s_n1_maale, plain, no reference
Kuule, ma mõtlesin, et võiksime nädalavahetusel maale sõita, kui ilm lubab.

Take 1
CER 0.0% · P(et) 1.00 · 3.8 s

Take 2
CER 0.0% · P(et) 1.00 · 3.9 s

s_n2_rong, plain, no reference
Rong Tartusse väljub kolmandalt platvormilt kümne minuti pärast.

Take 1
CER 0.0% · P(et) 1.00 · 3.5 s

Take 2
CER 0.0% · P(et) 1.00 · 3.4 s

s_n3_leib, plain, no reference
Vanaisa rääkis alati, et kõige parem leib küpsetatakse kasepuudega köetud ahjus.

Take 1
CER 0.0% · P(et) 1.00 · 5.9 s

Take 2
CER 0.0% · P(et) 0.97 · 5.8 s

s_n4_arvuti, plain, no reference
Ma ei saa aru, miks see arvuti jälle nii aeglane on. Eile töötas ju kõik.

Take 1
CER 0.0% · P(et) 1.00 · 6.2 s

Take 2
CER 0.0% · P(et) 1.00 · 4.6 s

s_n5_kevad, plain, no reference
Kevadel, kui jää jõel sulama hakkab, kogunevad kaldale kalamehed.

Take 1
CER 0.0% · P(et) 1.00 · 4.6 s

Take 2
CER 0.0% · P(et) 0.94 · 4.3 s

s_n6_pink, plain, no reference
Meie küla poe kõrval oli vana pink, kus istusid igal õhtul samad mehed. Nad arutasid poliitikat, ilma ja naabrite asju ning keegi ei mäletanud, millal see komme alguse sai.

Take 1
CER 0.0% · P(et) 1.00 · 13.8 s

Take 2
CER 0.0% · P(et) 1.00 · 13.4 s

Without tags, reference voice

s_n1_maale, clone, reference voice
Kuule, ma mõtlesin, et võiksime nädalavahetusel maale sõita, kui ilm lubab.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.68 · 4.6 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.57 · 6.7 s

s_n2_rong, clone, reference voice
Rong Tartusse väljub kolmandalt platvormilt kümne minuti pärast.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.70 · 4.5 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.67 · 5.0 s

s_n3_leib, clone, reference voice
Vanaisa rääkis alati, et kõige parem leib küpsetatakse kasepuudega köetud ahjus.

Take 1
CER 0.0% · P(et) 0.98 · sim 0.66 · 6.3 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.64 · 5.0 s

s_n4_arvuti, clone, reference voice
Ma ei saa aru, miks see arvuti jälle nii aeglane on. Eile töötas ju kõik.

Take 1
CER 1.4% · P(et) 1.00 · sim 0.70 · 3.7 s

Take 2
CER 0.0% · P(et) 0.99 · sim 0.71 · 5.1 s

s_n5_kevad, clone, reference voice
Kevadel, kui jää jõel sulama hakkab, kogunevad kaldale kalamehed.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.77 · 5.8 s

Take 2
CER 3.2% · P(et) 1.00 · sim 0.69 · 4.4 s

s_n6_pink, clone, reference voice
Meie küla poe kõrval oli vana pink, kus istusid igal õhtul samad mehed. Nad arutasid poliitikat, ilma ja naabrite asju ning keegi ei mäletanud, millal see komme alguse sai.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.74 · 15.4 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.73 · 13.5 s

With tags, each followed by the same words without them

s_t01_sighs, tags, reference voice
[sighs] No mis ma oskan öelda... [pause] eks me proovime uuesti.

Take 1
CER 6.8% · P(et) 0.99 · sim 0.46 · 5.3 s overrun

Take 2
CER 0.0% · P(et) 0.60 · sim 0.57 · 9.2 s overrun

s_t01_sighs_notag, clone, reference voice
No mis ma oskan öelda... eks me proovime uuesti.

Take 1
CER 0.0% · P(et) 0.73 · sim 0.52 · 3.2 s

Take 2
CER 6.8% · P(et) 0.91 · sim 0.60 · 2.6 s

s_t02_laughs, tags, reference voice
[laughs] Ei, päriselt! Ta kukkus otse lumehange [chuckling] ja jäi sinna lihtsalt pikali.

Take 1
CER 9.2% · P(et) 1.00 · sim 0.34 · 4.9 s

Take 2
CER 4.6% · P(et) 1.00 · sim 0.26 · 7.0 s

s_t02_laughs_notag, clone, reference voice
Ei, päriselt! Ta kukkus otse lumehange ja jäi sinna lihtsalt pikali.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.65 · 4.2 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.64 · 7.4 s

s_t03_whispers, tags, reference voice
[whispers] Ole vait, keegi tuleb trepist üles.

Take 1
CER 0.0% · P(et) 0.96 · sim 0.31 · 2.8 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.34 · 2.2 s

s_t03_whispers_notag, clone, reference voice
Ole vait, keegi tuleb trepist üles.

Take 1
CER 6.1% · P(et) 1.00 · sim 0.63 · 2.2 s

Take 2
CER 6.1% · P(et) 0.98 · sim 0.53 · 3.4 s overrun

s_t04_throat, tags, reference voice
[clears throat] Head kolleegid, alustame tänast koosolekut.

Take 1
CER 0.0% · P(et) 0.43 · sim 0.74 · 3.3 s

Take 2
CER 0.0% · P(et) 0.99 · sim 0.58 · 4.6 s

s_t04_throat_notag, clone, reference voice
Head kolleegid, alustame tänast koosolekut.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.50 · 2.8 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.70 · 5.0 s

s_t05_breath, tags, reference voice
[inhales] Ma pean sulle midagi tähtsat ütlema. [exhales] Ma lahkun töölt.

Take 1
CER 0.0% · P(et) 0.91 · sim 0.68 · 4.7 s

Take 2
CER 0.0% · P(et) 0.77 · sim 0.73 · 6.0 s overrun

s_t05_breath_notag, clone, reference voice
Ma pean sulle midagi tähtsat ütlema. Ma lahkun töölt.

Take 1
CER 5.9% · P(et) 0.59 · sim 0.57 · 3.4 s overrun

Take 2
CER 0.0% · P(et) 0.98 · sim 0.66 · 3.8 s

s_t06_sarcastic, tags, reference voice
[sarcastic] Oi kui tore, jälle vihmane jaanipäev.

Take 1
CER 2.9% · P(et) 0.94 · sim 0.54 · 2.2 s

Take 2
CER 2.9% · P(et) 0.00 · sim 0.44 · 2.4 s

s_t06_sarcastic_notag, clone, reference voice
Oi kui tore, jälle vihmane jaanipäev.

Take 1
CER 0.0% · P(et) 0.10 · sim 0.54 · 3.4 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.64 · 3.6 s

s_t07_gasps, tags, reference voice
[gasps] Kas see on tõesti sinu auto? [excited] Kust sa selle said?

Take 1
CER 0.0% · P(et) 0.86 · sim 0.16 · 5.4 s

Take 2
CER 0.0% · P(et) 0.99 · sim 0.60 · 3.3 s

s_t07_gasps_notag, clone, reference voice
Kas see on tõesti sinu auto? Kust sa selle said?

Take 1
CER 0.0% · P(et) 0.94 · sim 0.65 · 3.3 s

Take 2
CER 0.0% · P(et) 0.22 · sim 0.55 · 3.3 s

s_t08_tired, tags, reference voice
[tired] [slowly] Ma olen terve päeva jalul olnud ja tahan lihtsalt magada.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.50 · 5.1 s

Take 2
CER 0.0% · P(et) 0.95 · sim 0.56 · 4.9 s

s_t08_tired_notag, clone, reference voice
Ma olen terve päeva jalul olnud ja tahan lihtsalt magada.

Take 1
CER 3.6% · P(et) 0.81 · sim 0.63 · 3.0 s

Take 2
CER 0.0% · P(et) 0.98 · sim 0.62 · 3.4 s

s_t09_scared, tags, reference voice
[scared] Mis see hääl oli? [nervous] Kas sa kuulsid ka?

Take 1
CER 0.0% · P(et) 0.21 · sim 0.54 · 4.0 s

Take 2
CER 0.0% · P(et) 0.25 · sim 0.29 · 2.6 s

s_t09_scared_notag, clone, reference voice
Mis see hääl oli? Kas sa kuulsid ka?

Take 1
CER 0.0% · P(et) 0.44 · sim 0.62 · 2.6 s

Take 2
CER 0.0% · P(et) 0.52 · sim 0.43 · 1.8 s

s_t10_shouts, tags, reference voice
[angry] [shouts] Ma ütlesin sulle, et ära seda puutu!

Take 1
CER 0.0% · P(et) 1.00 · sim 0.36 · 2.3 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.34 · 2.4 s

s_t10_shouts_notag, clone, reference voice
Ma ütlesin sulle, et ära seda puutu!

Take 1
CER 0.0% · P(et) 1.00 · sim 0.49 · 2.7 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.59 · 4.5 s overrun

s_t11_giggles, tags, reference voice
[giggles] Ära vaata mind nii, ma ei suuda tõsiseks jääda.

Take 1
CER 0.0% · P(et) 0.85 · sim 0.59 · 4.3 s

Take 2
CER 0.0% · P(et) 0.14 · sim 0.46 · 4.4 s

s_t11_giggles_notag, clone, reference voice
Ära vaata mind nii, ma ei suuda tõsiseks jääda.

Take 1
CER 0.0% · P(et) 0.42 · sim 0.77 · 3.1 s

Take 2
CER 0.0% · P(et) 0.92 · sim 0.58 · 3.7 s

s_t12_sad, tags, reference voice
[sad] [softly] Ta ei tulnud enam kunagi tagasi.

Take 1
CER 3.2% · P(et) 0.02 · sim 0.37 · 2.1 s

Take 2
CER 9.7% · P(et) 0.05 · sim 0.39 · 2.0 s

s_t12_sad_notag, clone, reference voice
Ta ei tulnud enam kunagi tagasi.

Take 1
CER 0.0% · P(et) 0.95 · sim 0.57 · 1.8 s

Take 2
CER 0.0% · P(et) 0.08 · sim 0.52 · 3.8 s

Freeform English instructions: voice design, no reference

s_g1_vanaisa, design, no reference
Kui ma veel noor poiss olin, oli siin ümberringi ainult mets ja soo.
Instruction: An elderly man with a deep, gravelly voice, speaking Estonian slowly, as if telling a story by the fire.

Take 1
CER 0.0% · P(et) 1.00 · 7.6 s

Take 2
CER 0.0% · P(et) 1.00 · 6.6 s

s_g2_raadio, design, no reference
Tere hommikust, armsad kuulajad! Täna ootab meid päikeseline päev ja palju head muusikat.
Instruction: A young woman with a bright, energetic voice, speaking Estonian quickly, like a radio host opening a morning show.

Take 1
CER 0.0% · P(et) 0.21 · 4.6 s

Take 2
CER 0.0% · P(et) 0.65 · 4.5 s

s_g3_uudised, design, no reference
Valitsus arutas eile õhtul järgmise aasta eelarvet, kuid lõplikku otsust veel ei langetatud.
Instruction: A middle-aged woman with a calm, low voice, reading the evening news in Estonian, clear and even.

Take 1
CER 0.0% · P(et) 1.00 · 5.4 s

Take 2
CER 0.0% · P(et) 1.00 · 5.6 s

s_g4_vasinud, design, no reference
Ma ei tea, kas ma jõuan homme tööle, olen täiesti läbi.
Instruction: A tired young man speaking Estonian quietly, almost mumbling, late at night.

Take 1
CER 28.8% · P(et) 0.00 · 3.5 s

Take 2
CER 5.8% · P(et) 0.26 · 3.1 s

s_g5_vanaema, design, no reference
Tule nüüd siia, kullake, vanaema küpsetas sulle mustikapirukat.
Instruction: A cheerful grandmother speaking Estonian warmly to a small child.

Take 1
CER 0.0% · P(et) 1.00 · 3.9 s

Take 2
CER 0.0% · P(et) 1.00 · 4.4 s

s_g6_opetaja, design, no reference
Palun võtke istet ja pange telefonid ära, tund on juba alanud.
Instruction: A stern male teacher speaking Estonian, slow and strict, to a noisy classroom.

Take 1
CER 1.7% · P(et) 0.90 · 6.2 s

Take 2
CER 1.7% · P(et) 0.98 · 6.6 s

s_g7_sosin, design, no reference
Kuula hoolega, me peame siit enne hommikut minema saama.
Instruction: A man whispering in Estonian, tense and secretive.

Take 1
CER 9.3% · P(et) 0.12 · 2.7 s

Take 2
CER 13.0% · P(et) 0.84 · 3.0 s

s_g8_raamat, design, no reference
Öö oli vaikne ja külm. Mari seisis akna all ning vaatas, kuidas lumi aeglaselt üle tühja tänava langes.
Instruction: A woman in her thirties narrating an audiobook in Estonian, gentle and expressive.

Take 1
CER 0.0% · P(et) 1.00 · 6.7 s

Take 2
CER 0.0% · P(et) 1.00 · 6.6 s

s_g9_pidu, design, no reference
[laughs] No see oli küll parim pidu, kus ma üldse käinud olen. [inhales] Järgmine kord tuled sina ka!
Instruction: A young man with a friendly, relaxed voice, chatting in Estonian with a friend.

Take 1
CER 12.7% · P(et) 0.37 · 4.2 s

Take 2
CER 6.3% · P(et) 1.00 · 4.7 s

Freeform English instructions: delivery, reference voice

s_d1_naer, direction, reference voice
Ja siis ta küsis, kas see on päris kass või mänguasi.
Instruction: Speak with barely contained laughter, as if remembering something very funny.

Take 1
CER 7.8% · P(et) 0.01 · sim 0.37 · 2.7 s

Take 2
CER 0.0% · P(et) 0.19 · sim 0.57 · 2.8 s

s_d2_nutt, direction, reference voice
Ma lootsin nii väga, et ta jõuab veel koju tagasi.
Instruction: Deeply sad, the voice breaking, on the verge of tears.

Take 1
CER 0.0% · P(et) 0.19 · sim 0.26 · 3.4 s

Take 2
CER 0.0% · P(et) 0.76 · sim 0.20 · 3.9 s

s_d3_karje, direction, reference voice
Kes jättis jälle külmkapi ukse lahti?
Instruction: Furious, shouting across the room.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.24 · 2.5 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.17 · 3.0 s

s_d4_arst, direction, reference voice
Ärge muretsege, see ei võta kaua aega ega tee üldse haiget.
Instruction: Calm and soothing, like a doctor reassuring a nervous patient.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.64 · 3.4 s

Take 2
CER 0.0% · P(et) 1.00 · sim 0.59 · 3.4 s

s_d5_sport, direction, reference voice
Ta läheb kaitsjast mööda, lööb ja see on värav!
Instruction: An excited sports commentator, fast and loud.

Take 1
CER 4.4% · P(et) 1.00 · sim 0.24 · 2.3 s

Take 2
CER 4.4% · P(et) 0.86 · sim 0.16 · 2.2 s

s_d6_igav, direction, reference voice
Palun ärge jätke oma pagasit järelevalveta.
Instruction: Bored and monotone, as if reading the same announcement for the hundredth time.

Take 1
CER 0.0% · P(et) 0.56 · sim 0.53 · 2.9 s

Take 2
CER 2.4% · P(et) 0.79 · sim 0.59 · 2.8 s

s_d7_irooniline, direction, reference voice
No muidugi, sina tead alati kõike kõige paremini.
Instruction: Sarcastic and mocking.

Take 1
CER 0.0% · P(et) 1.00 · sim 0.67 · 2.8 s

Take 2
CER 2.1% · P(et) 1.00 · sim 0.67 · 2.6 s

s_d8_saladus, direction, reference voice
Ära ütle kellelegi, aga ma nägin neid eile koos kinos.
Instruction: Hushed and conspiratorial, close to a whisper.

Take 1
CER 0.0% · P(et) 0.09 · sim 0.32 · 3.2 s

Take 2
CER 0.0% · P(et) 0.37 · sim 0.28 · 3.4 s

Long texts in one voice

Two longer scripts, each read in one voice from start to end. Every call uses the same reference clip and the same seed (42); only the text, its tags and, in some tracks, an English instruction change from sentence to sentence. The delivery is meant to stay the same, a newsreader or a speaker at a podium, while the emotion follows the content. Each script is rendered six ways:

Track A: Emotion by content: tags and instructions on some sentences.
Track B: Control: the same sentences with no tags and no instructions.
Track C: One style instruction on every sentence, the emotion added where the content asks.
Track D: One call per paragraph: tags only.
Track R2: Track A with reference guidance 2 on the emotion sentences, the plain sentences as in track B.
Track R3: Track A with reference guidance 3 on the emotion sentences, the plain sentences as in track B.

Tracks A, B, C, R2 and R3 render one sentence per call, track D one paragraph per call (4 to 20 s). In tracks A and C instructions run with classifier-free guidance 4 against the same prompt without the instruction, which strengthens the instruction. Tracks R2 and R3 guide the emotion sentences against the same prompt (tags and instruction included) without the reference clip instead, which strengthens the reference voice and leaves the emotion cue at its plain strength. Everything else runs with no guidance. A track is its calls joined in order: edge silence trimmed, 0.35 s between sentences and 0.8 s between paragraphs, one gain for the whole track. Nothing else is edited.

Measures per track: sim ref is speaker similarity (ECAPA cosine) to the reference clip, for the whole track and as mean and lowest over its calls; sim track is each call's similarity to the average of the track's other calls, so it shows a call that sounds unlike the rest; pitch spread and level spread are the standard deviation over calls of median pitch (semitones) and of speech level (dB); CER is from an Estonian speech recogniser, with tags left out of the text. Per call, pitch and level are shown against the track's median.

Evening news bulletin

The voice was made by voice design, with no reference, from the instruction A middle-aged woman with a calm, low voice, reading the evening news in Estonian, clear and even., and that clip is the reference for every call:

The voice design ran with four seeds; seed 45 was kept by the measures: no misread word, the highest P(Estonian) (.997) and an even pitch (one take, seed 43, dropped into creak). What the measures say: the voice holds in all four tracks, with average similarity to the reference .72 to .77 and median pitch within a semitone from call to call (spread 0.4 to 0.8 semitones). Tracks A and B are the same audio wherever a sentence has no tag and no instruction (same text, same seed), so they differ only in the seven emotion sentences. Lowest call: the [chuckling] sentence in track A (similarity .49, pitch +1.7 semitones). Tracks R2 and R3: with reference guidance the seven emotion sentences come out closer to the reference than in track A, .79 at scale 2 and .82 at scale 3 against .72, and closer than the untagged control (.74); the [chuckling] sentence goes from .49 to .71 and .77.

Style instruction on every sentence in track C: Reading the evening news on the radio: calm, clear and even.

1. Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.

2. Riigikogu arutas täna järgmise aasta riigieelarvet. Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.

3. Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest.
Instruction in tracks A and C: Reading the evening news on the radio, sombre and slower, with quiet sympathy.; in track D the tag [sad] [slowly]
[sad] Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud. Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.

4. Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud. Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.

5. [excited] Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu! Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus.
Instruction in tracks A and C: Reading the evening news on the radio, warm and pleased, sharing good news.; in track D the tag [happy]

6. Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud.
Instruction in tracks A and C: Reading the evening news on the radio, warm and amused, smiling while reading.; in track D the tag [playful]
[chuckling] Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.

7. Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm.
Instruction in tracks A and C: Reading the evening news on the radio, serious and urgent, a clear warning.; in track D the tag [serious, urgent]
Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.

8. Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi. Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!

Track	length	sim ref whole	sim ref mean	sim ref lowest	sim track	pitch spread	level spread	CER	flagged
A	92 s	0.88	0.74	0.49	0.81	0.6 st	1.2 dB	0.4%	0 of 16
B	94 s	0.87	0.75	0.57	0.84	0.4 st	0.8 dB	0.2%	0 of 16
C	91 s	0.87	0.72	0.60	0.82	0.8 st	1.2 dB	0.3%	0 of 16
D	91 s	0.88	0.77	0.56	0.83	0.8 st	0.7 dB	0.4%	0 of 8
R2	92 s	0.90	0.77	0.57	0.83	0.6 st	0.8 dB	0.1%	0 of 16
R3	92 s	0.91	0.78	0.57	0.83	0.8 st	0.9 dB	0.1%	0 of 16

Track A: Emotion by content: tags and instructions on some sentences

Track A, call by call

#	text	length	sim ref	sim track	pitch, st	level, dB	letters/s	CER
1.1	Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.	4.3 s	0.79	0.81	-0.9	-0.3	12.7	0.0%
2.1	Riigikogu arutas täna järgmise aasta riigieelarvet.	4.1 s	0.77	0.81	+0.3	+1.5	11.0	0.0%
2.2	Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.	5.3 s	0.57	0.75	+0.8	-0.9	14.2	0.0%
3.1	Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest. Reading the evening news on the radio, sombre and slower, with quiet sympathy.	5.2 s	0.79	0.83	-0.6	+1.0	12.1	0.0%
3.2	[sad] Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud.	6.6 s	0.71	0.86	-0.2	-0.5	12.0	1.1%
3.3	Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.	6.2 s	0.79	0.86	+0.1	+0.1	13.8	0.0%
4.1	Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud.	4.4 s	0.77	0.87	+0.5	+0.0	12.0	0.0%
4.2	Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.	5.1 s	0.75	0.84	-0.6	+0.0	13.3	0.0%
5.1	[excited] Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu!	6.7 s	0.77	0.84	+0.9	-0.8	13.7	1.9%
5.2	Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus. Reading the evening news on the radio, warm and pleased, sharing good news.	4.2 s	0.75	0.81	-0.3	+3.3	13.4	2.9%
6.1	Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud. Reading the evening news on the radio, warm and amused, smiling while reading.	3.7 s	0.74	0.76	-0.2	+1.6	13.6	0.0%
6.2	[chuckling] Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.	5.1 s	0.49	0.55	+1.7	-0.7	15.0	0.0%
7.1	Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm. Reading the evening news on the radio, serious and urgent, a clear warning.	4.2 s	0.78	0.86	-0.1	+2.1	13.8	0.0%
7.2	Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.	7.5 s	0.78	0.87	+0.4	-0.5	13.4	0.0%
8.1	Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi.	5.8 s	0.76	0.86	-0.2	+1.0	10.8	0.0%
8.2	Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!	4.4 s	0.77	0.86	+0.3	-0.9	11.6	0.0%

Track B: Control: the same sentences with no tags and no instructions

Track B, call by call

#	text	length	sim ref	sim track	pitch, st	level, dB	letters/s	CER
1.1	Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.	4.3 s	0.79	0.79	-0.9	-0.1	12.7	0.0%
2.1	Riigikogu arutas täna järgmise aasta riigieelarvet.	4.1 s	0.77	0.84	+0.2	+1.6	11.0	0.0%
2.2	Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.	5.3 s	0.57	0.77	+0.6	-0.8	14.2	0.0%
3.1	Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest.	4.5 s	0.71	0.76	+0.1	+0.1	14.1	0.0%
3.2	Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud.	5.8 s	0.73	0.87	+0.3	-1.1	13.5	0.0%
3.3	Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.	6.2 s	0.80	0.85	-0.1	+0.4	13.8	0.0%
4.1	Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud.	4.4 s	0.77	0.88	+0.3	+0.1	12.0	0.0%
4.2	Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.	5.1 s	0.75	0.84	-0.8	+0.1	13.3	0.0%
5.1	Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu!	7.3 s	0.81	0.88	+0.1	-1.1	12.6	1.9%
5.2	Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus.	5.1 s	0.77	0.85	-0.1	+0.9	11.1	1.5%
6.1	Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud.	4.7 s	0.72	0.80	-0.2	-0.6	10.6	0.0%
6.2	Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.	5.7 s	0.70	0.85	-0.5	-1.2	13.6	0.0%
7.1	Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm.	4.5 s	0.77	0.87	-0.5	+0.2	12.9	0.0%
7.2	Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.	7.5 s	0.77	0.88	+0.2	-0.4	13.4	0.0%
8.1	Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi.	5.8 s	0.76	0.86	-0.5	+1.1	10.8	0.0%
8.2	Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!	4.4 s	0.78	0.87	+0.1	-0.8	11.6	0.0%

Track C: One style instruction on every sentence, the emotion added where the content asks

Track C, call by call

#	text	length	sim ref	sim track	pitch, st	level, dB	letters/s	CER
1.1	Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.	4.1 s	0.60	0.74	+1.5	-0.4	13.3	0.0%
2.1	Riigikogu arutas täna järgmise aasta riigieelarvet.	3.3 s	0.75	0.79	+0.4	-1.3	13.7	0.0%
2.2	Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.	5.3 s	0.72	0.81	-0.3	-0.3	14.1	0.0%
3.1	Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest.	5.2 s	0.79	0.81	-0.9	+1.1	12.1	0.0%
3.2	[sad] Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud.	6.1 s	0.72	0.84	+0.0	-0.5	13.0	1.1%
3.3	Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.	5.9 s	0.78	0.90	+0.0	+0.5	14.3	0.0%
4.1	Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud.	4.2 s	0.77	0.84	+0.1	-0.9	12.7	0.0%
4.2	Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.	4.9 s	0.69	0.86	+0.6	+0.8	13.9	0.0%
5.1	[excited] Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu!	7.0 s	0.76	0.82	-0.3	-0.1	13.2	0.9%
5.2	Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus.	4.2 s	0.75	0.82	-0.7	+3.4	13.4	2.9%
6.1	Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud.	3.7 s	0.75	0.75	-0.6	+1.7	13.6	0.0%
6.2	[chuckling] Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.	5.8 s	0.63	0.84	+0.0	-0.3	13.2	0.0%
7.1	Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm.	4.2 s	0.79	0.87	-0.5	+2.2	13.8	0.0%
7.2	Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.	7.3 s	0.73	0.85	+1.3	+0.1	13.9	0.0%
8.1	Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi.	5.9 s	0.62	0.74	+1.6	+0.7	10.7	0.0%
8.2	Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!	4.6 s	0.61	0.79	+1.0	-1.3	11.2	0.0%

Track D: One call per paragraph: tags only

Track D, call by call

#	text	length	sim ref	sim track	pitch, st	level, dB	letters/s	CER
1	Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.	4.3 s	0.79	0.81	-0.8	+0.2	12.7	0.0%
2	Riigikogu arutas täna järgmise aasta riigieelarvet. Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.	9.0 s	0.81	0.86	-0.5	+0.4	13.4	0.0%
3	[sad] [slowly] Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest. [sad] Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud. Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.	16.8 s	0.87	0.90	-0.1	+0.6	13.5	0.4%
4	Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud. Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.	8.8 s	0.83	0.90	+0.1	-0.2	13.7	0.0%
5	[excited] Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu! [happy] Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus.	12.1 s	0.74	0.86	+0.9	-0.2	12.3	2.3%
6	[playful] Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud. [chuckling] Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.	10.9 s	0.56	0.62	+1.8	-1.8	11.6	0.7%
7	[serious, urgent] Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm. Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.	12.7 s	0.83	0.88	-0.1	+0.0	12.5	0.0%
8	Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi. Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!	9.8 s	0.73	0.83	+1.1	-0.1	11.6	0.0%

Track R2: Track A with reference guidance 2 on the emotion sentences, the plain sentences as in track B

Track R2, call by call

#	text	length	sim ref	sim track	pitch, st	level, dB	letters/s	CER
1.1	Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.	4.3 s	0.79	0.79	-0.5	-0.1	12.7	0.0%
2.1	Riigikogu arutas täna järgmise aasta riigieelarvet.	4.1 s	0.77	0.82	+0.7	+1.6	11.0	0.0%
2.2	Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.	5.3 s	0.57	0.73	+1.0	-0.8	14.2	0.0%
3.1	Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest. Reading the evening news on the radio, sombre and slower, with quiet sympathy.	5.2 s	0.83	0.84	-0.8	+0.6	12.1	0.0%
3.2	[sad] Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud.	5.7 s	0.75	0.87	+0.6	-0.1	13.9	0.0%
3.3	Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.	6.2 s	0.80	0.88	+0.4	+0.4	13.8	0.0%
4.1	Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud.	4.4 s	0.77	0.86	+0.8	+0.1	12.0	0.0%
4.2	Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.	5.1 s	0.75	0.81	-0.3	+0.1	13.3	0.0%
5.1	[excited] Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu!	6.7 s	0.84	0.84	-0.6	+1.2	13.8	0.9%
5.2	Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus. Reading the evening news on the radio, warm and pleased, sharing good news.	4.8 s	0.79	0.83	+0.0	+0.4	11.9	1.5%
6.1	Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud. Reading the evening news on the radio, warm and amused, smiling while reading.	3.9 s	0.80	0.79	-0.2	-0.9	12.8	0.0%
6.2	[chuckling] Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.	5.6 s	0.71	0.81	-1.2	-1.1	13.8	0.0%
7.1	Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm. Reading the evening news on the radio, serious and urgent, a clear warning.	4.4 s	0.85	0.85	-0.6	-0.6	13.2	0.0%
7.2	Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.	7.5 s	0.77	0.88	+0.7	-0.4	13.4	0.0%
8.1	Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi.	5.8 s	0.76	0.85	+0.0	+1.1	10.8	0.0%
8.2	Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!	4.4 s	0.78	0.86	+0.6	-0.8	11.6	0.0%

Track R3: Track A with reference guidance 3 on the emotion sentences, the plain sentences as in track B

Track R3, call by call

#	text	length	sim ref	sim track	pitch, st	level, dB	letters/s	CER
1.1	Tere õhtust, head kuulajad. Kell on kuus ja algavad õhtused uudised.	4.3 s	0.79	0.81	-0.4	-0.2	12.7	0.0%
2.1	Riigikogu arutas täna järgmise aasta riigieelarvet.	4.1 s	0.77	0.83	+0.8	+1.4	11.0	0.0%
2.2	Koalitsioon ja opositsioon kokkuleppele ei jõudnud ning arutelu jätkub homme hommikul.	5.3 s	0.57	0.71	+1.1	-0.9	14.2	0.0%
3.1	Lõuna-Eestis hukkus eile hilisõhtul liiklusõnnetuses kaks noort inimest. Reading the evening news on the radio, sombre and slower, with quiet sympathy.	4.6 s	0.82	0.81	-0.5	+0.8	13.6	0.0%
3.2	[sad] Politsei andmetel kaotas juht libedal teel kontrolli auto üle ning sõiduk paiskus vastu puud.	5.8 s	0.75	0.86	+0.4	+0.2	13.5	0.0%
3.3	Politsei palub kõiki autojuhte olla eriti ettevaatlikud, sest teed on kogu Lõuna-Eestis väga libedad.	6.2 s	0.80	0.85	+0.5	+0.2	13.8	0.0%
4.1	Eesti Panga teatel on hinnatõus viimastel kuudel aeglustunud.	4.4 s	0.77	0.86	+0.9	-0.1	12.0	0.0%
4.2	Kõige rohkem on odavnenud kütus, toiduainete hinnad aga püsivad endiselt kõrgel.	5.1 s	0.75	0.82	-0.2	-0.1	13.3	0.0%
5.1	[excited] Ja nüüd spordist: Eesti noor suusataja Mari Kask võitis täna maailmakarikaetapil oma karjääri esimese võidu!	6.8 s	0.86	0.84	-0.9	+0.7	13.4	1.9%
5.2	Treeneri sõnul on võit paljude aastate raske töö vili ja alles algus. Reading the evening news on the radio, warm and pleased, sharing good news.	4.5 s	0.84	0.81	-0.1	+0.2	12.6	0.0%
6.1	Tartus jõudis koju tagasi kass, kes oli kolm nädalat kadunud. Reading the evening news on the radio, warm and amused, smiling while reading.	3.8 s	0.81	0.76	-1.0	-0.2	13.0	0.0%
6.2	[chuckling] Kass leiti naabri keldrist, kus ta oli end kartulikottide vahel väga mugavalt sisse seadnud.	6.0 s	0.77	0.80	-1.8	-2.6	12.8	0.0%
7.1	Keskkonnaagentuur hoiatab: ööseks tõuseb läänerannikul tugev torm. Reading the evening news on the radio, serious and urgent, a clear warning.	4.6 s	0.86	0.84	-0.9	+0.1	12.6	0.0%
7.2	Tuule kiirus võib puhanguti ulatuda kahekümne viie meetrini sekundis, nii et lahtised esemed tasub õuest ära koristada.	7.5 s	0.77	0.86	+0.8	-0.6	13.4	0.0%
8.1	Homme on pilvine ilm, sajab lörtsi ja lund ning sooja on null kuni kaks kraadi.	5.8 s	0.76	0.86	+0.1	+0.9	10.8	0.0%
8.2	Need olid õhtused uudised. Ilusat õhtut ja kohtumiseni homme!	4.4 s	0.78	0.87	+0.7	-0.9	11.6	0.0%

Speech at a school's hundredth anniversary

The reference is the male voice of the clone sections above.

What the measures say: with no tags or instructions (track B) the voice holds, similarity .55 to .83 and pitch spread 1.1 semitones. In track A the plain sentences hold (.74 on average) but the emotion sentences fall to .44; the instruction rising energy, enthusiastic and uplifting comes out at a median pitch of 226 Hz against the reference's 90 Hz with similarity .19, a different voice by these measures. In track C the style instruction, at guidance 4, moves the whole track away from the reference (similarity .33, median pitch 144 Hz). With this recorded reference the instruction outweighs the reference; with the news voice, which was itself made from an instruction, it does not. Listening decides: pitch rises with excitement and the speaker measure drops with it, so a low number alone does not prove a different voice. Tracks R2 and R3: reference guidance brings the nine emotion sentences back to the voice, .71 at scale 2 and .78 at scale 3 against .44 in track A and .70 in the untagged control; the rising energy sentence measures 81 Hz and .72 at scale 2. Whether the emotion survives is for the ear: on several guided sentences the pitch falls back to the control's. The short [chuckling] sentence misreads more under guidance (CER 9 % and 21 %).

Style instruction on every sentence in track C: Giving a formal speech to a large audience at a school celebration: warm, clear and unhurried.

1. Head õpetajad, armsad vilistlased ja kallid külalised! Mul on suur au seista täna siin, samas saalis, kus ma kunagi esimese klassi poisina oma esimesel aktusel istusin.

2. [proud] Meie kool saab sel sügisel sada aastat vanaks. Selle aja jooksul on siit uksest välja astunud tuhandeid noori, kes on viinud meie kooli head nime laia maailma.

3. Ma mäletan siiani oma esimest koolipäeva. [laughs] Ma eksisin koridoris ära ja sattusin kogemata õpetajate tuppa, kus mulle pakuti teed ja küpsiseid. Õpetaja Leida, kes mind sealt leidis, ütles ainult: poiss, sinust saab kas direktor või kokk.
Instruction in tracks A and C: Giving a speech to a large audience at a school celebration, gently amused, telling a funny story.; in track D the tag [playful]
[chuckling] Nagu näete, kokka minust ei saanud.

4. Õpetaja Leida lahkus meie seast tänavu kevadel.
Instruction in tracks A and C: Giving a speech to a large audience at a school celebration, quieter and slower, moved, with sadness in the voice.; in track D the tag [sad] [slowly]
[softly] Ta õpetas selles majas nelikümmend aastat ja tema käe all kasvas üles terve põlvkond. [voice breaking] Ma tean, et ta oleks täna meie üle väga uhke.

5. Kallid noored, maailm, kuhu te astute, muutub kiiremini kui kunagi varem. Aga mõned asjad jäävad alati samaks: ausus, töökus ja oskus teist inimest kuulata.

6. Nii et minge julgelt, eksige julgelt ja tulge ikka siia kooli tagasi oma lugusid jagama!
Instruction in tracks A and C: Giving a speech to a large audience at a school celebration, rising energy, enthusiastic and uplifting.; in track D the tag [excited]
[happy] Palju õnne, armas kool, ja aitäh teile kõigile!

Track	length	sim ref whole	sim ref mean	sim ref lowest	sim track	pitch spread	level spread	CER	flagged
A	93 s	0.82	0.56	0.19	0.63	4.6 st	1.7 dB	0.8%	0 of 15
B	102 s	0.85	0.72	0.55	0.81	1.1 st	1.5 dB	0.7%	0 of 15
C	100 s	0.46	0.33	0.19	0.63	3.6 st	2.3 dB	0.1%	0 of 15
D	83 s	0.77	0.63	0.48	0.73	2.8 st	1.5 dB	0.3%	0 of 6
R2	92 s	0.87	0.72	0.60	0.79	2.1 st	2.1 dB	1.9%	0 of 15
R3	94 s	0.88	0.76	0.67	0.83	2.9 st	1.2 dB	2.0%	0 of 15