首页 >
语音合成
✍ dations ◷ 2025-12-01 17:37:42 #语音合成
语音合成是将人类语音用人工的方式所产生。若是将电脑系统用在语音合成上，则称为语音合成器，而语音合成器可以用软/硬件所实现。文字转语音（Text-To-Speech，TTS）系统则是将一般语言的文字转换为语音，其他的系统可以描绘语言符号的表示方式，就像音标转换至语音一样。而合成后的语音则是利用在数据库内的许多已录好的语音连接起来。系统则因为储存的语音单元大小不同而有所差异，若是要储存phone以及diphone的话，系统必须提供大量的储存空间，但是在语意上或许会不清楚。而用在特定的使用领域上，储存整字或整句的方式可以达到高品质的语音输出。另外，包含了声道模型以及其他的人类声音特征参数的合成器则可以创造出完整的合成声音输出。一个语音合成器的品质通常是决定于人声的相似度以及语意是否能被了解。一个清晰的文字转语音程式应该提供人类在视觉受到伤害或是得到失读症时，能够听到并且在个人电脑上完成工作。从80年代早期开始，许多的电脑操作系统已经包含了语音合成器了。早在17世纪就有法国人研发机械式的说话装置。直到19世纪，贝尔实验室对于电子语音合成技术的研究，才开启近代语音合成技术的发展。贝尔实验室在1939年制作出第一个电子语音合成器VODER，是一种利用共振峰原理所制作的合成器。
1960年，瑞典语言学家G. Fant则提出利用线性预测编码技术（LPC）来作为语音合成分析技术，并推动了日后的发展。后来1980年代Moulines E和Charpentier F提出新的语音合成算法PSOLA，此技术可以合成比较自然的语音。这通常是使用字词预录的方式，将各字词的发音预先录制好，经处理后存放在数据库中。使用时再将预发音的字句断成字词，再把发音的资料自数据库中取出，交由DSP去处理发音的合成。
相关
- ODD对立反抗症（Oppositional defiant disorder）简称ODD，在精神疾病诊断与统计手册第五版（DSM-5（英语：DSM-5））中列在“破坏性，冲动控制和行为障碍”（Disruptive, impulse-control, and con
- 硫酸铜硫酸铜，化学式CuSO4，无水为白色粉末，或因不纯而呈淡灰绿色，是可溶性铜盐。硫酸铜常见的形态为其结晶体，一水合硫酸四水合铜(［Cu(H2O)4］SO4·H2O，五水合硫酸铜）为蓝色固体，故俗名为蓝矾
- 雷尼镍雷尼镍（英语：Raney Nickel）又译兰尼镍，是一种由带有多孔结构的镍铝合金的细小晶粒组成的固态异相催化剂，它最早由美国工程师莫里·雷尼（Murray Raney）在植物油的氢化过程中，作为催化
- 苯甲醇苯甲醇（分子式：C6H5CH2OH）也称苄醇，是最简单的含有苯基的脂肪醇，可以看作是羟甲基取代的苯，或苯基取代的甲醇。它是有微弱芳香气味的无色透明黏稠液体，有极性，低毒，蒸汽压低，因此用作
- 一般条件一般状态或一般条件（英语：normal temperature and pressure, NTP）指的是化学中的物质的在气压1巴（100千帕）下得到的物理状态。这里的气压单位最近被IUPAC修改为1标准大气压。物质
- 克洛德·德彪西阿希尔-克洛德·德彪西（法语：Achille-Claude Debussy，法语发音：.mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL","Linux Libertine","Segoe UI","Lucida Sans Un
- Organisation for Economic Co-operation and Development经济合作与发展组织（简称经合组织；英语：Organization for Economic Cooperation and Development，OECD）是全球36个市场经济国家组成的政府间国际组织，总部设在法国巴黎米埃特堡（Ch
- 340110 数学 120 信息科学与系统科学 130 力学 140 物理学 150 化学 160 天文学 170 地球科学 180 生物学210 农学 220 林学 230 畜牧、兽医科学 240 水产学310
- 放射性同位素热电机放射性同位素热电机（Radioisotope Thermoelectric Generator，缩写RTG、RITEG）是一种利用放射性衰变获得能量的发电机。 此装置利用热电偶阵列（应用了西贝克效应）接收了一些合适的
- 光学字符识别光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。对于不同的图像格式，有着不同的存储格式、不同的压
