语音合成系统，如何在机器上安装人工嘴?

粤语歌比国语歌好听吗？当AI可以实现中文、粤语歌曲的语音合成后，原来发音才是重点！有人说粤语歌曲听的是情怀，尤其是那些经典的粤语老歌，即便听不懂歌词在旋律上也能让人心情愉悦。不过生活中大家发现，当把这些粤语歌曲换成国语来唱，就失去了那种韵味，甚至就像两首不同的歌曲，那么粤语歌真的比国语歌好听？随着AI智能的发展，人们试图开发一种能实现中文、粤语、英文歌曲的语音合成系统来对比发音。

1、什么是 语音 合成技术

语音合成，又称TexttoSpeech技术，可以将任意文本信息实时转换成标准的fluent语音，相当于在机器上安装了一个人工嘴。它涉及声学、语言学、数字信号处理、计算机科学等学科，是中文信息处理领域的前沿技术。要解决的主要问题是如何将文本信息转换成可听见的声音信息，即让机器像人一样说话。我们所说的“让机器像人一样说话”，与传统的声音播放设备(系统)有着本质的区别。

这种方式在内容、存储、传输、便捷性、时效性等方面都有很大的局限性。而计算机语音 合成可以随时将任何文本转换成语音并且具有很高的自然度，从而真正让机器“像人一样说话”。文字转语音系统其实可以算是一种人工智能系统。为了合成产生高质量的语言，除了依靠各种规则，包括语义规则、词汇规则和语音学习规则，还必须对文本的内容有很好的理解，这也涉及到对自然语言的理解。

2、 语音 合成器是什么

语音合成是人为生成的语音。如果在语音 合成上使用计算机系统则称为语音 合成和-0。text-to-text语音(TextToPeech，TTS) 系统是把一般语言的文本转换成语音，另一个系统可以描述语言符号的表达，就像音标转换成一样。合成后跟语音由数据库中许多记录的语音连接。

但在特定领域使用时，可以通过存储整个单词或句子来实现高质量的语音输出。此外，包括声道模型和其他人声特征参数的合成混音器可以创建完整的合成声音输出，a语音合成device的好坏通常取决于人声的相似度和语义是否能被理解。一个清晰的文本到文本语音程序应该为人们提供在视力受损或失读症时在个人电脑上听到并完成工作的能力。