TTS是什么技术_文语转换是什么

TTS技术（又称文语转换技术）是语音合成的一部分，它是将计算机生成的或外部输入的文本信息转化为可理解的、流利的中文口语输出的技术。

语音合成和语音识别技术是实现人机语音交流、构建具有听和说能力的口语系统所必需的两项关键技术。使计算机具有类似人类的说话能力是这个时代信息产业的重要竞争市场。与语音识别相比，语音合成的技术相对更成熟，并开始成功走向产业化，大规模应用指日可待。

语音合成，又称文字转语音技术，可以将任何文字信息实时转换为标准流利的语音，相当于给机器装上了一张人工的嘴。它涉及声学、语言学、数字信号处理、计算机科学等多个学科的技术，是中文信息处理领域的一项前沿技术，主要问题是如何将文本信息转化为可听的声音信息，也就是让机器像人一样说话。我们所说的 "让机器像人一样说话"，与传统的声音播放设备（系统）有着本质的区别。传统的声音播放设备（系统），如磁带录音机，是通过预先录制声音然后播放来 "让机器说话"。这种方法在内容、存储、传输或方便性和及时性方面都非常有限。另一方面，计算机化的语音合成可以在任何时候将任何文本转换成高度自然的语音，从而真正使机器 "像人一样说话"。

TTS 结构

语言处理

在文语转换系统中起着重要的作用，主要模拟人对自然语言的理解过程——文本规整、词的切分、语法分析和语义分析，使计算机对输入的文本能完全理解，并给出后两部分所需要的各种发音提示。

韵律处理

为合成语音规划出音段特征，如音高、音长和音强等，使合成语音能正确表达语意，听起来更加自然。

声学处理

根据前两部分处理结果的要求输出语音，即合成语音。