文本转语音（TTS）
科普速读
- 它是什么： TTS 根据文字生成语音音频。
- 适合什么场景： 无障碍朗读、语音界面和音频原型。
- 主要边界： 语音自然，也可能读错文字或未经许可模仿他人声音。
概览
语音界面可以用不同语速朗读同一条错误提示。用真实设备测试，能了解用户在实际环境中是否听得清楚。
核心定义
文本转语音（TTS）把文字转换成可播放的语音，并可控制发音、节奏和音色。
背景与发展
语音合成从基于规则的方法发展到从数据中学习语音模式。现代系统可能组合文本处理、声学建模和波形生成组件。
工作机制（How It Works）
系统先解析文字、预测发音和节奏，再生成音频特征或波形。标点、缩写、数字和语言都会影响输出。
在软件测试与开发中的应用
可以用 TTS 测试语音提醒、屏幕阅读、多语言演示和语音界面。要在目标设备上检查姓名、数字、发音、节奏和可懂度。
优势与局限
TTS 能把文字内容转成音频，支持多类语音体验。它可能读错术语、停顿不自然；模仿特定声音还涉及授权与隐私。
与相近术语对比
TTS 把文字转成音频；自动语音识别把音频转成文字。语音助手可能同时使用两者，但处理方向相反。
实施建议（Best Practices）
用有代表性的语言和设备测试，审查声音素材的授权，并在需要时向用户清楚说明。
常见误区（Pitfalls）
逼真的声音不代表所指说话人真的说过这些话。没有适当许可，不要使用克隆音色。
FAQ
所有 TTS 系统都会克隆声音吗？
不会。很多系统使用标准音色合成语音，不会模仿某个具体的人。