进入AI领域做产品 —— 我的自学之路（TTS）

语音和文字处理 —— 语音合成 TTS

概念

        将文字转化为语音的过程，相当于人的嘴巴。

实现

        两种实现方法——拼接法，参数法。二者的区别在于后端声学建模方法。

拼接法：

• 定义：
  • 从事先录制的大量语音中选择所需的基本单位拼接而成，单位可以是音节、音素，为了追求语音的连贯性也常用双音子为单位。
• 优点：
  • 语音质量高。
• 缺点：
  • 数据库要求高，企业级商用需要至少5万句数据；
  • 成本高，购买上述数据，需要几百万的成本。

参数法：

• 定义：
  • 根据统计模型来产生每时每刻的参数包括基频、共振峰频率等，然后把这些参数转化为波形。
• 模块：
  • 前端：
    • 文本解析，决定每个字的发音是什么，这句话用什么样的语调，节奏来读，哪些地方要强调等；
    • 韵律边界；
    • 重音；
    • 边界调；
    • 情感。