语音合成

语音合成（Text to Speech，TTS）是指将文本通过一系列的信号处理转换成“人造”语音。​

技术原理

传统的语音合成技术一般会经过文本与韵律分析、声学处理与声音合成三个步骤。​

1.
文本与韵律分析：先将文本分词；再标明每个字的发音以及重音、停顿等韵律信息；然后提取文本的特征，生成特征向量。​

2.
声学处理：通过声学模型将文本特征向量映射到声学特征向量。​

3.
声音合成：使用声码器将声学特征向量通过反变换生成声音波形，然后一次拼接得到整个文本的合成语音。在反变换过程中，可以调整参数，从而改变合成语音的音色、语调、语速等。​

参考资料

语音合成​