13

在查看了一些服务/工具之后，我得出了一个结论。大多数 Text-to-Speech 工具的技术含量太高、太机械化——换句话说，就是质量差的 c 语音。

是的，最重要的是，看起来它们带有“硬编码”语音模板，因此缩短了品种/定制。有些工具允许您设置阅读速度和音高，但这还不够。

我对情感方面背后问题的猜测——很难从纯文本中判断情感，如果只是一两句话就更难了。另外，好的 ol' PC 是一台机器——机器没有情感，但那是另一回事。

最困扰我的是，质量。例如，有一些工具可以用来切断单词的顶点，从而产生这些技术性的声音。感觉句子结构有问题。是的，当人们正在研究这些工具时，我想知道，是什么让他们无法再努力改进这些工具……切断顶点，这可不是小事！另外，必须记住，一个好的、高质量的文本到语音转换软件是值得的，嗯……很多！因此产生了一个非常有利可图的产品。

哦，在流利的情况下，我隐藏了问题，感叹等。（可能这些不适用于流利程度，但我不是英语母语，如果是这种情况请见谅。）

我研究过的工具列表：

相当令人印象深刻，但仍有改进空间（++）

- Loquendo：缺乏语音多样性，有一些小的顶点/流利问题（取决于句子），太多的咳嗽和例子中的借口！
- Nuance Vocalizer：虽然仍然缺乏多样性，但提供的一些声音是值得的。

也可以合作以获得更多资源，然后开发不同但几乎相同的产品（--）

- eSpeak：最好的机器人之一，因此程序标志（？！）
- Natural Reader（愚蠢的自动播放！！）：嗯，它有一些流畅性，但仍然有那种技术感。
- iSpeech：笑得好用英文文本将声音设置为日语。我敢打赌日本人对此不是很高兴。
-倒谱+增强的声音......加上增强的声音会产生很好的糟糕结果，所以，除了大约 5 个声音之外，没有任何东西得到增强。
- AT&T：流利度不错，但句子结尾和机器人太多有问题！
- LumenVox TTS: 看起来像是来自有很多语音工具的背景，但仍然会产生机器人声音。
- 还有一些...

如果我错过了值得一看的东西，请分享。可以是免费的、商业的、超级昂贵的……只要它有效，我就感兴趣！

还有问题（-s）..

  1. 您认为这些声音的质量、流畅度和多样性背后的主要问题是什么？ 由于情感方面很难判断，我不介意你跳过它，但如果你有一两个想法，我不介意你分享你的想法
  2. 文字是如何转化为语音的？ 比如，这些工具背后使用了哪些算法？也许一两个新的理论会派上用场。
  3. 这些实际上是不同的引擎/驱动程序还是同一驱动程序/引擎的不同语音模式？
  4. 只是我，还是第一个 Text2Speech 工具之间的质量多年来没有太大（或根本没有）变化？ 并且不得不承认，这个老式的 Apple 工具比 2000 年以上的一些工具提供了更好的结果，至少在将视频与我所研究的内容进行比较时。）
4

3 回答 3

3

我不知道您是否正在寻找一个开放的解决方案，但如果您有一台 Mac，您应该查看OS X 高级语音标记和“在我之后重复”短语构建工具。它真的很强大。Mac OS X 10.5 及更高版本中内置的 Alex 语音比其他语音更高级。

在 Mac 上，突出显示以下文本，按住 Control 单击，然后转到语音 > 开始朗读：

You talkin' to me
[[inpt PHON]] [[slnc 500]] [[rate -30]]
+yUW _1tAOl=kIHn ~AX [[pbas +3]]+mIY?

http://www.mattmontag.com/personal/mac-os-x-speech-synthesis-markup

于 2011-09-24T12:34:45.357 回答
0

谷歌翻译使用的 TTS 非常适合短短语，但可能会为任何复杂的东西产生不自然的语调轮廓。尽管如此，在文字层面上，它还是令人印象深刻的。这里有一个小代码示例

还有Ivona——他们的发音错误可能比谷歌翻译稍微多一些，但他们在节奏和语调上做得更好。看看他们的“Raveena”声音，这是他们迄今为止最好的声音之一。

于 2014-03-14T18:26:38.097 回答
0

我知道这是一个老问题，但我刚刚看到 IBM 的“ Watson ”演示，非常令人印象深刻！它们支持多种语言，您可以控制语气、停顿、语调和其他一些变量。

如果你还在寻找这个，或者其他人正在寻找一个好的 TTS，你应该去看看。

免责声明：我不为 IBM 或任何与此产品相关的东西工作，我只是觉得它令人印象深刻！

于 2017-08-18T13:51:55.743 回答