Question

TTS是什么?

Answer 1

TTS即Text-to-speech文本转语音是近几年AI研究领域的一大热点，该类模型语音合成领域有着非常广阔的应用。

尤其是这两年有声书非常火热，有很多前几年积累的网络小说，经过TTS模型后，就变成了有声书，然后在喜马拉雅或蜻蜓FM等类似频道就可以上线售卖。又把该类模型的应用价值直接拉满。

但一个好的语音合成模型却非常难得，一方面要生成的对，即准确率要高；另一方面生成的语音要真实、机械感低。尤其是第二个方面非常难得。人类对于语句的朗读是有抑扬顿挫的，有时又要结合句子含义，有感情的变化。这对于模型是非常难以学习训练的。

此外还有多语种结合问题：如中文夹杂英文的情况；声色问题，即根据少量的声纹特点，合成具体声色的语音。比如男中音、女高音等。因此一个简洁好用的TTS模型可遇不可求。

目前主流的模型设计方案是分为两个部分：声学模型和声码器。声学模型主要采用类BERT类模型，把输入的文字经过NLP处理，预测出声学特征。声码器主要采用GAN类模型，把声学特征转换成声波信息。

AI模型市场最近上线了一款新的TTS模型，我们通过和作者的沟通，发现作者就是使用了上述的模型经过，在经过10几个小时的大数据量训练，成功孵化出一款优秀的TTS模型。实测下来发现，模型的准确度、速度、真实性都调教的非常均衡，还支持中英文~

有需要的小伙伴欢迎来AI模型市场（aimodelmarket.cn）试用，快来围观这款语音生成领域的猛将是如何玩转TTS的~

Answer 2

TTS是Text To Speech的缩写,即“从文本到语音”.它是同时运用语言学和心理学的杰出之作,在内置芯片的支持之下,通过神经网络的设计,把文字智能地转化为自然语音流.TTS技术对文本文件进行实时转换,转换时间之短可以秒计算.在其特有智能语音控制器作用下,文本输出的语音音律流畅,使得听者在听取信息时感觉自然,毫无机器语音输出的冷漠与生涩感.TTS语音合成技术即将覆盖国标一、二级汉字,具有英文接口,自动识别中、英文,支持中英文混读.所有声音采用真人普通话为标准发音,实现了120-150个汉字/秒的快速语音合成,朗读速度达3-4个汉字/秒,使用户可以听到清晰悦耳的音质和连贯流畅的语调.现在有少部分MP3随身听具有了TTS功能.
　TTS文语转换用途很广,包括电子邮件的阅读、IVR系统的语音提示等等,目前IVR系统已广泛应用于各个行业（如电信、交通运输等）.
　　TTS所用的关键技术就是语音合成(SpeechSynthesis).早期的TTS一般采用专用的芯片实现,如德州仪器公司的TMS50C10/TMS50C57、飞利浦的PH84H36等,但主要用在家用电器或儿童玩具中.
　　而基于微机应用的TTS一般用纯软件实现,主要包括以下几部分：
　　●文本分析-对输入文本进行语言学分析,逐句进行词汇的、语法的和语义的分析,以确定句子的低层结构和每个字的音素的组成,包括文本的断句、字词切分、多音字的处理、数字的处理、缩略语的处理等.
　　●语音合成-把处理好的文本所对应的单字或短语从语音合成库中提取,把语言学描述转化成言语波形.
　　●韵律处理-合成音质(Qualityof Synthetic Speech)是指语音合成系统所输出的语音的质量,一般从清晰度(或可懂度)、自然度和连贯性等方面进行主观评价.清晰度是正确听辨有意义词语的百分率；自然度用来评价合成语音音质是否接近人说话的声音,合成词语的语调是否自然； 连贯性用来评价合成语句是否流畅.
　　要合成出高质量的语音,所采用的算法是极为复杂的,因此对机器的要求也非常高.算法的复杂度决定了目前微机并发进行多通道TTS的系统容量.
这就是TTS