69、语音技术与统一消息的深度剖析

语音技术与统一消息的深度剖析

一、文本转语音（TTS）技术概述

1.1 TTS 基本原理

语音识别系统基于语音的音素表示，而非单词本身。人们可借助文本转语音（TTS）引擎，将单词输入并添加到自动语音识别（ASR）系统的词汇库中。TTS 程序并非输出声音，而是输出文本文件，该文件是单词的音素表示，可被导入语音识别引擎的词汇库，从而为语音识别模块创建单词库。

1.2 不同公司的 TTS 市场侧重

不同的 TTS 公司专注于不同的市场领域。部分公司致力于开发便携式设备，如有声词典；而 Lernout & Hauspie 则致力于通过单一架构实现多语言语音输出。

1.3 选择 TTS 产品的考量因素

选择 TTS 产品比选择语音识别产品更具主观性。一个好的 TTS 产品需要在可懂度和自然度两方面表现出色。
- 可懂度测试 ：向 TTS 系统发送未听过的文本，检查是否能理解；发送各种数值数据，如时间、地址、金额等，测试其规范化发音的能力。同时，发送与目标应用输入相似的信息进行测试。
- 自然度评估 ：自然度较难标准化，可让未习惯计算机语音“口音”的新听众进行测试，使用与应用输入类似的陌生文本。一般来说，处理大量文本（如电子邮件）时，更应注重自然度；处理小语音片段（如电话号码或地址）时，可懂度更为重要。
- 其他因素 ：还需考虑 TTS 运行的平台、支持的语言以及特定应用领域（如电子邮件）可能可用的预处理器类型。

二、部分公司的 TTS 产品介绍 <