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。