问题标签 [speech-synthesis]

你们中的大多数人可能知道谷歌翻译的文本到语音合成器，因为你可以在这里以编程方式访问：

我的印象是它有时会使用 espeak，但在主要语言中，质量比这要好得多。有人知道谷歌在用什么，或者他们在用什么声音吗？显然这不是正常的，也不是 mbrola espeak 的声音。

我需要合成一个声音，以便它可以用来说出提供给它的文本。如何在 iPhone 中完成。我使用了 Sphinx 语音合成器和其他语音合成器，但它们有一些用于将文本转换为语音的预定义语音。在我的应用程序中，我需要我提供的语音回复。

关于从哪里开始的任何建议都非常有帮助。

提前致谢。

我正在尝试制作一个包含 TTS - 文本到语音合成系统功能的 html 页面。请向我推荐一些在线好的演示。

另外请让我知道谷歌是否为 TTS - 文本到语音合成系统提供任何 api。

非常感谢。

你们可能对谷歌的 TTS 引擎很熟悉：这里。

我对这样的东西如何能够分析输入并挑选出不同的音节/词性有一个基本的了解，但是如果我想为 TTS 系统创建一个“声音”，我应该从哪里开始呢？

是否有适用于桌面或浏览器环境的已知 API 的完整列表？

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（++）

<sup>- 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。</sup>

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（--）

<sup>- 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...</sup>

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。）

我正在制作一个应用程序，我试图在 Mac OS X 中获取所有不同的声音，然后按性别对它们进行排序。我创建了三个可变数组来放入每个性别（男性、女性、新奇）的声音，并且我正在使用枚举来遍历每个数组并将其放入正确的数组中。不幸的是，它不起作用。除了新奇阵外，所有的都是空的，新奇阵只有一个声音，Zarvox。有人看到我做错了吗？我已经发布了下面的代码：

我写了一个小的 Android Demo 来使用不同语言的 TTS。我有一个带有两个按钮的布局，西班牙语和英语。按下按钮会触发所选语言的话语。

但是，我无法更改语言（setLanguage (Locale locale)）。我可以手动完成，使用手机设置并将 TTS 语言更改为美国、英国、意大利语、德语等，但我的代码似乎不起作用。你能告诉我问题出在哪里吗？

谢谢！！

}

我有一个正在运行的 Android MediaPlayer，我想在语音合成器开始说话时暂停（特别是当 Google 导航应用程序给出指示时）。我很确定这是可能的，因为标准音乐播放器似乎有这种行为。

我已经（从 Stack Overflow Gods 那里）学习了如何在通话期间暂停 MediaPlayer：

在通话中暂停音乐播放器，并在 android 通话后再次恢复播放

我很惊讶我还没有找到类似的机制来监听来自语音合成器的事件。我想我错过了一些东西，如果有人能指出我的链接甚至在这里暗示答案，我将不胜感激。

可能重复：
如何为 tts 创建自定义 sapi 语音

嘿，伙计们，这是一个令人费解的问题，我被要求让我的一个应用程序进行对话，以便在机器出现问题时提醒操作员。问题是他们想要使用特定的声音。

使这更加困难的是，它需要说明问题所在，并且对于单个外围设备，有超过 70 个错误代码，并且连接了 9 个不同的外围设备，它们都需要此功能。

我已经看到了解释如何使用 Microsoft 的文本到语音引擎的帖子（例如http://www.itechgiz.com/2011/01/create-a-simple-text-to-speech-application-in-visual -studio）但看不到我如何实现这一点。

我猜我必须让他们的人说出特定的短语才能让声音能够生成单词，但不知道从哪里开始！

顺便说一句，任何想法都必须是 C# Win 形式吗？