这是一个创建于 859 天前的主题，其中的信息可能已经有所发展或是发生改变。
文字转语音，现在有很多厂都有相关 SDK/API 可以使用，但很多都像机器人一样没有感情的在念。想了解下有没有真正基于 NLP 技术的，带情感语气的。
比如，下面 2 行文本：
1. 她脸色大变，生气地说：“给我滚出去”。
2. 他轻声地说：“嘘，我们从后门偷偷溜进去”。
那么，TTS 在朗读第 1 句的时候，应该是语气比较重，比较大声急促。而朗读第 2 句的时候，应该是比较轻声，轻缓的。这样长时间听下来，用户也就不会犯困了。
 |
1
Itoktsnhc 2022-07-22 09:43:20 +08:00  2
|
 |
2
fengfuliu 2022-07-22 09:44:20 +08:00
|
 |
3
xieyqxie 2022-07-22 09:44:58 +08:00
没那么先进吧，hhhh
|
 |
4
lonewolfakela 2022-07-22 09:46:42 +08:00
只说这两句话的话，我感觉微软的“云枫（预览）”语音的效果比较好……
|
 |
8
ajt2520 2022-07-22 09:55:10 +08:00 via Android
微软的 TTS 引擎还是不错的
|
 |
9
Belmode 2022-07-22 10:01:26 +08:00 2
1 、微软 Speach Stdio TTS 支持 http 和 SDK
2 、讯飞语音配音制作 TTS 支持 http 3 、小爱语音 TTS 支持 http 和 SDK |
 |
10
James369 OP @lonewolfakela 没找到这个“云枫”引擎，是 Edge 上用的那个吗
|
|
11
Belmode 2022-07-22 10:19:44 +08:00
或者手写 SSML 其实也可以的。
|
 |
12
p2pCoder 2022-07-22 10:32:12 +08:00
国内外大厂的内容创作部门，这一方面做的比较多，而且有刚需场景
不过是没有对外商用的 |
 |
13
raycool 2022-07-22 10:53:21 +08:00
这种应该是根据 SSML 来进行调整的，NLP 情感分析后生成 SSML
|
 |
14
geekvcn 2022-07-22 10:53:26 +08:00 via Android
微软 TTS 效果最好，你 edge 选中你的文字朗读就能体验了
|
 |
15
byzf 2022-07-22 14:08:26 +08:00
意思是以后机器人小姐姐就能用甜甜的声音给我推销贷款了。
|
 |
16
lingo 2022-07-22 15:59:28 +08:00 2
<speak
xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xmlns:emo="http://www.w3.org/2009/10/emotionml" version="1.0" xml:lang="en-US" > <voice name="zh-CN-XiaoxiaoNeural"> <prosody rate="0%" pitch="7%"> 雪姨不停地敲门 <mstts:express-as style="angry"> “出来！给我滚出来！你有本事找女人，你有本事开门-呀！”。 </mstts:express-as> </prosody> </voice> </speak> 以上复制到一楼的微软 TTS 里 SSML 输入框 |
 |
18
laoyur 2022-07-22 16:43:20 +08:00
锅内自媒体，大部分都是同一个男声，真的听得想吐了。
我自己是不听这些垃圾货的，但是架不住败家娘们总是听这玩意 大部分都是从油管上扒回来的视频，去掉声音截个片段，配几句台词，TTS 配个音就发出来赚流量了 |
 |
19
jstony 2022-07-22 17:11:49 +08:00
关键词:SSML ，配合微软 tts ，效果一级棒。
|
 |
20
jackma0571 2022-07-22 17:12:59 +08:00
借楼问下，在 dy 上经常刷到一个台湾腔小姐姐的配音，是怎么弄的，经常在一些股票相关的短视频里听到
|
|
22
lonewolfakela 2022-07-22 18:00:08 +08:00
@James369 #10 1L 和 2L 发的那个地址上有个 demo ，语音选“云枫（预览）”
|
 |
24
Aloento 2022-07-23 02:48:39 +08:00
所以说还是 Azure 好
|
 |
25
yinshang 2022-07-23 11:22:08 +08:00
工作原因，经常用到配音。
个人感受是微软的最好，语气什么的更贴近真人。 讯飞太拉跨了，机器感太强。 |
 |
26
leeg810312 2022-07-23 23:04:46 +08:00 via Android
@James369 完全符合预期的语气语调来转语音是不可能自动化的，同一句话用不同语气说出来可能是完全不同的效果，现有的 nlp 是做不到这么智能判断的，不要奢望没有人工后期调整。微软 Azure 是目前 AI 提供商中这个业务做得最好的，
|
Select Language