- 综合排序
- 最热优先
- 最新优先
自动语音识别（ASR）与文本转语音（TTS）技术的应用与发展
如果你对Web安全感兴趣，或者想要提高你的Web应用程序的安全性，我强烈推荐你阅读这篇文章。它不仅能够提供实用的技术知识，还能帮助你更好地理解安全领域的法律和道德规范。 近年来，语音技术在人工智能领域的发展极为迅速，语音识别（ASR）和文本转语音（TTS）作为两项重要的核心技术，被广泛应用于智能助手、客户服务系统、翻译设备以及教育平台等多个领域。 ASR 的应用场景随着深度学习和大数据技术的进步，ASR 技术的应用范围越来越广泛，以下是几个典型的应用场景：智能助手：如 Siri、Google Assistant 等智能助手，通过 ASR 技术实现了与用户的自然语言交互 TTS 的应用场景TTS 技术的应用涵盖了多个领域，以下是一些典型的应用场景：智能音箱：智能音箱如 Amazon Echo、Google Home 等，利用 TTS 技术可以向用户反馈天气、新闻、音乐推荐等内容 ASR 和 TTS 的技术发展随着深度学习技术的发展，ASR 和 TTS 在近年来取得了显著进展：深度学习模型的引入：ASR 和 TTS 都受益于深度神经网络的发展。
1.5K10编辑于 2024-11-16- 来自专栏大模型应用
大模型应用：一文读懂TTS技术应用：基础入门到实战的全场景指南.18
一、前言 在人工智能与语音交互技术飞速发展的今天，TTS（Text-to-Speech，文本转语音）已渗透到生活与工作的方方面面。 从手机导航的语音播报、智能音箱的对话反馈，到有声书制作、企业客服语音提醒，TTS技术以“让文字开口说话”的核心能力，大幅提升了信息传递效率与用户体验。 今天我们从TTS技术基础入手，详解主流实现方案，结合丰富实操示例，覆盖从入门到进阶的全场景应用，帮助读者快速掌握TTS技术的使用方法。二、TTS基础1. 三、入门级应用初次接触，我们先做一些基础示例体验，优先从“零配置、低门槛”的方案入手，快速体验TTS核心功能。 随着技术的发展，TTS 与 AI 大模型、语音识别等技术的结合将更加紧密，未来在智能客服、虚拟人、元宇宙等领域的应用将更加广泛，值得持续关注与探索。
41032编辑于 2026-02-15 - 来自专栏AI技术体系搭建过程
数字人关键技术2：TTS文本转语音
TTS（Text-to-Speech，文本转语音）是一种将文字信息转换为自然流畅语音的技术。它让机器“说话”，被广泛应用于导航播报、智能客服、无障碍辅助、电子阅读等场景。 ESPnet-TTS 集成多种先进模型，适合科研与工业应用，支持多说话人和多语种。4. Festival 传统开源框架，轻量级，支持文本到语音转换，适合嵌入式和低资源场景。5. 4. 科大讯飞语音合成 行业定制能力强，适合多场景应用，音色真实自然。5. Google Cloud Text-to-Speech 支持多语言和多种语音风格，WaveNet技术保证高音质，适合国际化产品。4总结TTS技术作为连接文字与语音的桥梁，极大丰富了人机交互的形式。 通过介绍和示例，相信你已具备入门TTS技术的基础，期待你能在实际数字人项目中灵活应用，打造出更加智能和贴心的语音体验。
78310编辑于 2025-09-15 - 来自专栏目标检测和深度学习
字节跳动Seed-TTS：AI语音合成技术的革命
hi，小伙伴们，今天的主题是研究研究TTS，最近工作内容涉及到AI视频混剪，需要进行音色合成，看一下市面上效果好又花钱少的相对成熟技术薅羊毛！ 今天的几个内容都是和TTS相关，如果大家有更多推荐的也欢迎大家留言推荐～ 在人工智能的浪潮中，文本转语音（TTS）技术正变得越来越重要。 而字节跳动的Seed Team，通过其Seed-TTS模型，将这一技术推向了新的高度。 什么是Seed-TTS？ Seed-TTS是由字节跳动Seed Team研发的一系列TTS模型。 说话人微调：通过微调，Seed-TTS能够更准确地模仿特定说话人的声音特性。 应用场景 Seed-TTS的应用场景广泛，包括但不限于个人智能助理、视频游戏配音、有声书制作、跨语言TTS、语音转换等。 未来展望 随着技术的不断进步，Seed-TTS有望在更多领域发挥重要作用，为人们提供更加丰富、自然的语音交互体验。
2.2K10编辑于 2024-07-12 - 来自专栏思谱云汇人工智能
智能语音机器人小知识（5）--什么是TTS技术？
TTS语音合成技术即将覆盖国标一、二级汉字，具有英文接口，自动识别中、英文，支持中英文混读。 所有声音采用真人普通话为标准发音，实现了120-150个汉字/分钟的快速语音合成，朗读速度达3-4个汉字/秒，使用户可以听到清晰悦耳的音质和连贯流畅的语调。 现在的TTS应用包括语音驱动的邮件以及声音敏感系统，并常与声音识别程序一起使用。 TTS所用的关键技术就是语音合成(SpeechSynthesis)。 TTS2.jpg TTS在CTI的应用中的基本构架 在一般的CTI应用系统中，都会有IVR（交互式语音应答系统）。
4.4K40发布于 2019-05-24 音乐背景如何推动多语言TTS技术研究
音乐背景如何推动多语言TTS技术研究 一位从事多语言文本转语音（TTS）研究的科学家利用其音乐背景帮助寻找创新解决方案。 TTS是一个混合学科——不仅仅是工程或纯技术——Sanchez表示她的音乐背景使她能够以独特的方式寻找新颖解决方案或看待问题。 将音乐与技术联系起来 在西班牙巴塞罗那接受音乐强化教育的Sanchez，15岁时就开始考虑大学，她想找一个与音乐相关的学位课程。 当时，她专注于音乐及其如何应用于机器学习。她的一位教授正在研究创建一种可以通过不同方式调制以听起来更人性化的声音，结合语言和技术元素。 Sanchez表示，她的工作也受到她阅读技术伦理的影响，特别是Cathy O'Neil和Caroline Criado Perez作者的著作。 "提供更多语音选项很重要，"她说。"
23310编辑于 2025-09-18- 来自专栏Python疯子
Python：TTS语音合成技术，市场各大平台对比以及实现
TTS 前景提要：在线的实时合成TTS技术，巴拉巴拉... 此处省略3千字 市场的TTS平台：讯飞语音，百度智能语音开放平台，阿里云，腾讯云，思必驰，捷通华声(灵云)等。 TTS的合成简单来说就三大步： 1️⃣创建应用 2️⃣发起请求 3️⃣解析音频数据，合成音频文件 咱们废话不说一个一个来： 一、讯飞，音频届的老大哥 支持多种语言开发，选择适合自己的，我这里选的是 WebAPI： 多种语言开发 01、创建应用 创建应用 说明： 1和3： 是在代码中具体使用到的 鉴权码 2：表示试用期间的每天使用次数 4：请求IP要添加白名单，不添加白名单会请求失败 5：可以选择不同的发音人 spm=a2c4g.11186623.6.581.69a853d5E4c3vM # 推荐：小梦 思悦 小美 伊娜 } data = json.dumps(data_info 15:] # 写入文件生成音频 save_wav(bytes(ret), "aasdasd.mp3") 没有python示例代码，返回参数比较变态，解析出音频耗了我大量时间(因为我技术不佳
4.4K30发布于 2019-03-15 - 来自专栏Yunfeng's Simple Blog
talkGPT4All 2.5-更多模型以及更加真实的TTS
今年4、5月份的时候，我发布了talkGPT4All 1.0版本和2.0版本，链接见下： talkGPT4All: 基于GPT4All的智能语音聊天程序 talkGPT4All 2.0:现在支持8个语言模型了 talkgpt4all -m gpt4all-13b-snoozy-q4_0.gguf 3. /glow-tts, 作为 talkGPT4All的默认 TTS，调用方式如下： from TTS.api import TTS # 初始化TTS模型 tts = TTS(model_name="tts_models _0.gguf mistral-7b-instruct-v0.1.Q4_0.gguf gpt4all-falcon-q4_0.gguf orca-2-7b.Q4_0.gguf orca-2-13b.Q4 4. 总结 上面就是这次更新的主要内容，总的来说就是采用了更自然的TTS，更新代码以支持 GPT4All最新的break change。 欢迎大家试用、反馈bug。
1.3K10编辑于 2023-12-10 深度解析：语音转换与数据增强的TTS前沿技术
论文将该问题重新定义为学习一个语音转换模型，该模型应用于高质量TTS模型的输出。这是对现有少样本TTS范式的概念性转变。 其核心思想是：对于少样本学习，将现有高质量TTS模型输出的语音谱图，适配到新的目标语音，比直接调整模型本身更容易。关键在于，“语音过滤器”是在TTS模型自身生成的合成数据上进行训练的。 其思路是：首先训练一个语音转换模型，将其他语音中的富有表现力的语音样本转换为目标语音，然后将转换后的语音作为TTS模型的额外训练数据。该TTS模型接收两个输入：文本序列和风格向量。 4. 《使用标准化流进行文本无关的非平行多对多语音转换》在这篇论文中，某中心TTS团队将标准化流的概念（已广泛应用于TTS）应用于语音转换问题。 流程将输入映射到特定应用域中的音素频率分布。通常，标准化流会从训练数据中同时学习分布和映射。但在这里，研究人员先在标准TTS任务上对流程进行预训练（该任务数据充足），以预先学习分布。
22610编辑于 2025-12-17TTS-1技术报告：基于Transformer的文本转语音模型
TTS-1技术报告我们介绍了Inworld TTS-1，这是一组两个基于Transformer的自回归文本转语音(TTS)模型。 我们最大的模型TTS-1-Max拥有88亿参数，专为要求苛刻的应用场景提供最高质量和表现力。TTS-1是我们最高效的模型，具有16亿参数，专为实时语音合成和边缘设备用例而构建。 通过扩展训练计算量并应用语音语言模型(SpeechLM)组件的预训练、微调和RL对齐的序列化流程，这两个模型在各种基准测试中都实现了最先进的性能，仅依靠说话者语音的上下文学习就展现出卓越的质量。 Inworld TTS-1和TTS-1-Max能够以低延迟生成48kHz高分辨率语音，支持11种语言，并通过音频标记实现精细的情感控制和非语言发声。我们还以MIT许可证开源了训练和建模代码。 技术细节模型架构：基于Transformer的自回归模型参数量：TTS-1-Max(8.8B)/TTS-1(1.6B)采样率：48kHz高分辨率音频支持语言：11种特色功能：音频标记控制、情感表达、非语言发声训练流程
53810编辑于 2025-07-30- 来自专栏用户3246163的专栏
《整体性学习》4-知识拓展应用技术
这篇脑书继续讲整体性学习的第二部分整体性学习的技术，在《整体性学习》1里面在谈到信息进入大脑的顺序是，获取，理解，拓展，纠错和应用。 1.实际应用 实际应用并非一种按找步骤进行的技术，它是一个创造性的过程。在这个过程种你需要寻找不寻常的方法来应用知识，下面是Scott给出的关于他自己如何使用知识的例子。 练习：把知识进行应用是一种技能，所以每学习到一个知识我们都应该问自己一个问题：我如何把这个知识应用到生活中去。 将完成的项目的过程记录下来，记录的工作可以增强你的自信心 创造一个有意义的目标，目标的意义会激发你的热情，不断学习 练习：给自己设计一个项目，时间在一个月左右，不要太大，但是也不要太容易，然后完成这个项目 4. 费曼技巧的操作流程：1.选择要学习的概念，用一个空白纸写下这个概念的名称2.设想你是老师，正在教会一个大一新生这个概念，那么你会怎么讲3.如果你卡壳了，那么就返回去回顾学习资料4.为了让你自己的讲解通俗易懂
47130发布于 2018-09-14 - 来自专栏Helloted
Runloop(4):应用
4、事件响应 苹果注册了一个 Source1 (基于 mach port 的) 用来接收系统事件，其回调函数为 __IOHIDEventSystemClientQueueCallback()。 随后苹果注册的那个 Source1 就会触发回调，并调用 _UIApplicationHandleEventQueue() 进行应用内部的分发。 实际上，start 这个函数的内部会会获取 CurrentRunLoop，然后在其中的 DefaultMode 添加了4个 Source0 (即需要手动触发的Source)。
53120编辑于 2022-06-07 - 来自专栏办公魔盒
B4A TTS使用小米小爱同学语音引擎进行文字转语音
TTS技术对文本文件进行实时转换，转换时间之短可以秒计算。在其特有智能语音控制器作用下，文本输出的语音音律流畅，使得听者在听取信息时感觉自然，毫无机器语音输出的冷漠与生涩感。 TTS语音合成技术 [1] 即将覆盖国标一、二级汉字，具有英文接口，自动识别中、英文，支持中英文混读。 所有声音采用真人普通话为标准发音，实现了120-150个汉字/分钟的快速语音合成，朗读速度达3-4个汉字/秒，使用户可以听到清晰悦耳的音质和连贯流畅的语调。有少部分MP3随身听具有了TTS功能。 TTS是语音合成应用的一种，它将储存于电脑中的文件，如帮助文件或者网页，转换成自然语音输出。TTS不仅能帮助有视觉障碍的人阅读计算机上的信息，更能增加文本文档的可读性。 TTS应用包括语音驱动的邮件以及声音敏感系统，并常与声音识别程序一起使用。
14.5K30发布于 2021-06-25 - 来自专栏AI研习社
TensorFlow 全网最全学习资料汇总之TensorFlow的技术应用【4】
【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。 欢迎技术开发类文章、视频教程等内容投稿，邮件发送至：zhangxian@leiphone.com 随着谷歌2015年发布开源人工系统TensorFlow，让本就如火如荼的深度学习再添一把火，截至现在，TensorFlow 下面这篇文章雷锋网重点整理了TensorFlow在图像识别中的应用，看计算机如何识别图像。 locationNum=1&fps=1（点击文末阅读原文查看） 基于Tensorflow的CNN/CRF图像分割技术 本篇文章验证了卷积神经网络应用于图像分割领域时存在的一个问题——粗糙的分割结果。 但是TensorFlow本身只是计算框架，要将其应用在生产环境，还是需要集群管理工具的资源调度，监控以及生命周期管理等能力。
1.7K70发布于 2018-03-29 - 来自专栏GPUS开发者
NVIDIA NeMo 发布 T5-TTS：文本转语音技术的重大突破
NVIDIA NeMo是一款由NVIDIA开发的开源框架，主要用于构建和训练先进的对话式AI模型,NVIDIA NeMo 近期发布了 T5-TTS 型号，标志着文本转语音（TTS）技术的重大进步。 然而，与在文本领域的应用类似，语音 LLM 也面临着幻觉挑战，这可能会阻碍其在现实世界中的部署。 T5-TTS 模型概述 T5-TTS 模型利用编码器-解码器转换器架构进行语音合成。 这些不准确可能会影响 TTS 系统在辅助技术、客户服务和内容创建等关键应用中的可靠性。 T5-TTS 模型通过更有效地将文本输入与相应的语音输出对齐，显著减少了幻觉问题。 应用单调对齐先验和连接主义时间分类（CTC）损失，使得生成的语音与预期文本紧密匹配，从而产生更可靠、更准确的 TTS 系统。与其他开源模型相比，T5-TTS 在单词发音方面的错误显著减少。 其创新的学习稳健文本和语音对齐方法为该领域树立了新的标杆，有望改变我们与 TTS 技术的互动方式并从中受益。
75010编辑于 2024-07-15 - 来自专栏心源易码
【AI落地应用实战】文本生成语音Parler-TTS + DAMODEL复现指南
Parler-TTS 能够将输入的文本转化为逼真的语音，适用于各种语音生成应用场景，如虚拟助理、有声书、语音生成内容等。 一、Parler-TTS简介1.1、TTS 模型传统的 TTS 模型在处理语音合成时，通常依赖大规模的语音数据集，并采用人类标注的音素、音节等细粒度信息。 与其他TTS模型不同，Parler-TTS是一个完全开源的项目，包括数据集、预处理、训练代码和权重，均在宽松的许可下公开发布，鼓励社区在此基础上进一步开发和创新。 其主要特点有：多语种支持：Parler-TTS 具备多种语言和方言支持，可以合成不同语种的语音，这让它在跨语言应用中具有很高的实用性。 /parler_tts_mini_v0.1").to(device)tokenizer = AutoTokenizer.from_pretrained("parler-tts/parler_tts_mini_v0.1
1.2K00编辑于 2024-11-12 - 来自专栏机器之心
ACL 2025 高分接收 | 高感情语音技术：逻辑智能小语种TTS破局之道
语音合成（TTS）技术近十年来突飞猛进，从早期的拼接式合成和统计参数模型，发展到如今的深度神经网络与扩散、GAN 等先进架构，实现了接近真人的自然度与情感表达，广泛赋能智能助手、无障碍阅读、沉浸式娱乐等场景 面对这一挑战，逻辑智能团队提出了一种针对低资源语言 TTS 的解决方案并应用于泰语 TTS 合成，该工作已经被 ACL 2025 Industry track 正式接收！ 此外，该框架还具备 zero-shot 声音克隆的能力，展示了优异的跨场景适用性，为行业提供了一种在数据稀少环境下高效构建小语种 TTS 系统的有效范式，对推动全球小语种 TTS 技术的落地与普及具有重要的启示和借鉴意义 文本数据——100 万句句子语料用于训练 Phoneme-Tone BERT 提升上下文韵律建模，10 万词词表用于训练分词器，解决泰语无空格书写难题； 注释数据——1.5 万句停顿标注确保精准断句，4 在原始文本中智能插入停顿标签以更好地建模口语韵律； 随后在扩充至 10 万词的分词词典支撑下，改进版 pythainlp Tokenizer 将连续书写的泰文字流精准切分，为领域专有词提供稳健支持； 最后利用 4
66610编辑于 2025-05-27 4A架构解析：业务、数据、应用、技术架构的区别与联系
在数字化转型的浪潮中，4A架构如同建筑的蓝图，为企业从业务愿景到技术落地提供了完整的规划框架，是避免"技术债"和"重复造轮子"的关键。 1. 什么是4A架构？ 应用架构定义了应用系统的结构和它们之间的集成关系，是业务需求到技术实现的桥梁。 技术架构是最底层的架构，提供应用系统运行的技术环境和基础设施。 应用实现：数据操作和业务流程需要应用系统来承载 4. 技术保障：应用系统需要技术基础设施来运行 逆向影响： 同时，技术架构的演进（如云计算、大数据）也会反向推动业务创新，形成双向的促进作用。 适度超前规划：技术架构要有一定的前瞻性，但避免过度设计 4.
1.5K10编辑于 2025-12-23＞＞技术应用：OGG 的参数模版使用ANTLR4解析（二）
回顾下上一篇中出现的问题，在使用ANTLR4来解析OGG的参数文件时，还有一个问题就是OGG的任务没有解析出来。这一篇也来说一下这个问题。 传送门 技术应用：OGG 通过 info 查询 Lag at Chkpt／Time Since Chkpt以及相关说明（一） OGG任务采集模版文件解析错误排查 1.1-Q：解析特殊字符错误 line error at: '#' line 38754:38 token recognition error at: '#' 解决方案 由原来的antlr-4.7.2-runtime.jar升级到antlr4- IDEA的VM参数设定 JVM相关 JVM默认情况下，年轻代初始分配建议保持在整个堆大小的一半到四分之一之间；初始（和最小）分配内存为物理内存的1/64；最大分配的内存（内存池）为物理内存的1/4；
39920编辑于 2023-10-10- 来自专栏超级架构师
【应用分类】技术应用概述
每天都有许多技术应用正在开发中，以解决学习机构、办公室、医疗机构等方面的不同挑战 本文涵盖了技术应用程序的定义、示例以及它们的使用位置。 让我们深入！ 目录 什么是技术应用？ 技术应用示例 不同的技术应用定义 教育中的技术应用 医疗保健中的技术应用 区块链技术应用 信息技术应用 量子技术应用 如今，许多技术都基于量子现象。量子技术催生了晶体管。 5G技术应用 技术软件应用 什么是技术应用？ 术语技术应用程序是指几乎每个行业用于通信、办公生产力、研究、数据安全、分析等的软件包和系统。技术应用程序可帮助组织更专业地运行其业务。 例如， 拥有新技术应用的成本 培训员工使用应用程序所需的成本和时间。 实施新软件的冲动。 采用新技术应用的风险。 不同的技术应用定义 技术应用可以指用于完成给定任务的技术工具。 技术应用中学 技术应用是一门必修课程，根据德州基本知识和技能 (TEKS) 指南向 6 年级学生介绍技术。 什么是技术应用 TEKS？
1.4K10编辑于 2023-01-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号