- 综合排序
- 最热优先
- 最新优先
- 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。 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）。 具有TTS功能的IVR可以加快服务速度，节约服务成本，使IVR为呼叫者提供7*24小时的服务。 目前常见的IVR系统大都是通用的工控机平台上插入语音板卡组成，并支持中文语音合成TTS等技术。
4.7K40发布于 2019-05-24 - 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。 对研究的影响和未来展望 NVIDIA NeMo 发布的 T5-TTS 型号代表了 TTS 系统的重大进步。通过有效解决幻觉问题，该模型为更可靠和高质量的语音合成奠定了基础，增强了广泛应用的用户体验。
79810编辑于 2024-07-15 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。
1.6K10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。
63632编辑于 2026-02-15 2026年TTS配音工具分层选型：从轻量应用到云端API的技术对比
面向开发者和内容创作者，基于2026年5月实测数据，对比轻量人工工具与云端API的适用场景、技术指标和成本，提供技术选型参考。不吹不黑，只列客观参数。 在开发视频自动配音、短剧角色生成、智能语音交互等系统时，TTS（文本转语音）是常见的基础能力。 本文从技术视角，客观对比这两类方案的典型工具，帮助开发者根据项目阶段合理选型。以下数据基于2026年5月个人实测，价格及功能以各厂商官方最新信息为准。 2.1叮叮配音（完全免费的基础型工具）平台：可独立运行的轻应用（小程序及网页）免费额度：不限字数、不限时长，导出无广告无水印音色数量：约1000种，覆盖新闻播报、有声小说、游戏解说、企业宣传、儿童故事等生成速度 以上数据基于2026年5月个人实测，价格及功能以各厂商官方最新信息为准。欢迎在评论区分享你的TTS实践心得。
36410编辑于 2026-05-09- 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
多语言和方言支持 TTS技术支持多语言和多方言合成，助力数字人实现跨区域、跨文化的无障碍沟通，适应全球化市场需求。1 什么是TTS ? 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. 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. 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。
93010编辑于 2025-09-15 - 来自专栏程序你好
区块链技术的5个实际应用
人们没有意识到的是，比特币，或其它加密货币，只是区块链技术的一种应用，而这种去中心化和分布式的数字账本已经进入了多个行业的核心。 在这篇文章中，我们将探讨区块链解决方案的不同实际应用。 1. 有了区块链技术的应用，整个投票过程可以被加密，变得透明。将数字投票的便利性与区块链的不变性相结合，消除了重复投票、改变投票、删除投票等问题。 随着医疗物联网(IoMT)和实现人工智能的医疗检测系统的迅速出现，区块链技术应用将很快以其互操作性、数据可移植性、完整性和安全性给医疗保健带来革命性的变化。 5. 网络安全 数据泄露的数量正在飙升，对大众构成了持续的威胁。根据美国报告，“2018年1月1日至7月2日期间，共有668次入侵，泄露了22,408,258条记录。 随着区块链技术的不断发展和适应，以上这些只是它在现实世界中众多潜在应用中的一部分。以令人难以置信的速度进行创新，这种颠覆性的技术将在世界范围内引起巨大的范式转变。
1.6K20发布于 2020-05-15 - 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。
2.4K10编辑于 2024-07-12 技术博主配音工具选型：从腾讯云TTS到开源方案，2026年5款工具横评
在制作技术教程、开源项目演示或产品介绍视频时，配音是不可或缺的环节。个人录音耗时且效果不稳定，而AI语音合成（TTS）技术已相当成熟。 本文从技术视角出发，对比了5款主流TTS工具，涵盖API支持、私有化部署、声音克隆能力、免费额度、计费模式等维度，供技术选型参考。 一、腾讯云语音合成（TTS）：企业级AI语音能力技术定位：腾讯云推出的专业文本转语音服务，依托腾讯多年语音技术积累，核心定位是将文本内容转化为超拟人化语音，打通人机交互闭环。 四、叮叮配音（小程序）：纯免费轻量级TTS技术定位：完全免费的轻量级TTS工具，无API，但功能全面。核心能力：完全免费，不限字数、不限时长，无广告弹窗。 核心能力：声音克隆基于阿里达摩院音频克隆技术，5-10秒本人录音即可生成高还原度专属声线。“捏声音”功能：自定义声线参数（性别、年龄、音调、气质）。
1.3K20编辑于 2026-04-21- 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 user_id=xxx&domain=1&volume=0&language=zh&speed=5&audiotype=5&text=" + text f = requests.get(tts_url 10:11" data = request_data + "应用参数" md5 = hashlib.md5() md5.update(data.encode('utf-8'))
4.5K30发布于 2019-03-15 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。 Ariadna Sanchez从小沉浸在音乐表演和管弦乐世界中，5岁开始学习小提琴，立志从事音乐事业。如今，她是一位文本转语音研究科学家，早期的音乐兴趣影响了她的职业道路。 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。
26410编辑于 2025-09-18TTS-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
59310编辑于 2025-07-30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。 《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。
32810编辑于 2025-12-17- 来自专栏翩翩白衣少年
F5-TTS ：具备零样本生成能力的TTS工具！支持多语言切换、速度控制、情感表达！
随着技术的发展，文本转语音（TTS）系统的应用越来越广泛。无论是在智能助手、内容创作，还是语言学习领域，TTS 技术都扮演着重要角色。 特别是近两年，随着AI技术的迅速发展，TTS技术（应用）也越来越好，今天为大家推荐一款新型的高级的TTS系统：F5-TTS。 如何使用 F5-TTS？ 使用 F5-TTS 非常简单，主要媒介是本地服务和在线服务。 技术优势 F5-TTS 拥有独特的架构，使得它与传统 TTS 系统相比更具优势： • 并行处理：不像传统系统那样依赖逐步生成语音，F5-TTS 能够同时处理多个步骤，从而显著加快了生成速度。 对那些有多语言和高质量语音生成需求的应用场景来说，F5-TTS 无疑是一个理想的选择。
9.3K31编辑于 2024-10-15 - 来自专栏用户10616523的专栏
Socks5代理与爬虫技术的应用
为了应对这些挑战，网络工程师和安全专家们不断研发新的技术和方法，以加强网络安全和保护用户隐私。本文将着重介绍Socks5代理和爬虫技术的应用，探索它们在构建安全稳定的网络环境中的重要性和作用。 一、Socks5代理的优势Socks5代理是一种网络协议，通过转发网络请求，实现了匿名浏览和数据传输的加密。 本节将详细介绍Socks5代理的工作原理、优势以及如何配置和使用，以帮助用户保护个人隐私和防范网络攻击。 二、爬虫技术的应用场景爬虫技术是一种自动化获取和分析互联网信息的技术，广泛应用于搜索引擎、数据分析和内容聚合等领域。 本节将探讨爬虫技术的常见应用场景，包括数据采集、信息监测和安全漏洞扫描等，以提升网络安全性和数据隐私保护。三、构建安全的网络架构构建安全稳定的网络环境需要综合考虑网络架构、设备配置和安全策略等因素。
31230编辑于 2023-06-28 - 来自专栏边缘计算
5G 通信技术在远程医疗中的应用
（2）频谱宽：传统的 1G 至 4G 通信系统的工作频段主要集中在 3GHz 以下，故通信频谱资源十分拥挤；5G 技术很好的应用了传统技术闲置的高频段（如毫米波、厘米波频段）频谱，高频段频谱资源丰富，解决了目前频谱资源紧张的问题 ，这些领域的技术也得到了很好的推广应用。 （3）低时延：本文我们讨论5G 网络在远程医疗种的应用，在远程医疗的实际应用中，对降低系统时延提出了较以往更高的要求。 04 远程医疗中5G通信技术的应用 4.1远程手术 2018年12月18日，解放军总医院第一医学中心肝胆外二科主任刘荣主刀，利用5G网络，远程无线操控机器人床旁系统，为50 公里外福建医科大学孟超肝胆医院动物实验室内一只实验猪进行肝小叶切除手术 电脑知识与技术, 2017(13). [7] 王胡成等. 5G 网络技术研究现状和发展趋势[J]. 电信科 学, 2015(9). [8] 中国卫星应用大会.
2.5K30发布于 2020-02-19 - 来自专栏媒矿工厂
新兴的MPEG-5 EVC标准：应用、技术与结果
从技术和标准的角度来看，我们仍可以将旧的视频标准用到新的应用程度上。例如我们可以将MPEG-1标准应用到4K视频中，尽管这么做很可能没有解码器来支持这样的应用并且没有定义它的级别。 MPEG-5标准采用了能带来最好的压缩效率的技术，只要该标准能够在软硬件中很好地实现与运行，除了出资人对于FRAND的承诺要求之外，无需考虑其他技术问题。 本文的四位作者是MPEG-5 EVC标准草案的编辑。 应用 基于以上定义的过程，结合吸引人的技术和商业特性，MPEG-5 EVC有望广泛应用于各种应用中。 技术 MPEG-5标准草案基于三星、华为和高通对于征集建议的响应，并参考了Divideon的图片管理和高级语法方面的技术。 结合许可方面， MPEG-5 EVC具有广泛采用的良好地位，特别是对于仍然基于AVC标准的应用和服务。MPEG-5 EVC标准预计将在2020年定稿并发布。 参考资料 1.
3.6K51发布于 2019-10-03 F5-TTS 带你体验“声音版 AI 绘图”
而在这一切的背后，F5-TTS 成为最具潜力的新星。 它快、轻、还支持精细控制，关键是——它可以模仿任意声音，让任何文字都能“发出你指定的声音”。 什么是 F5-TTS？ F5-TTS 是一种最新的语音合成系统，支持从文本直接合成语音，同时能模仿任意目标声音。 本地搭建 官网地址：https://github.com/SWivid/F5-TTS 使用conda创建一个隔离环境，命令为conda create -n f5-tts python=3.10,最终成功图如下图所示 下载相关依赖,我是mac本，先执行pip install torch torchaudio,再执行pip install f5-tts即可 使用f5-tts_infer-gradio运行， tts 线上体验 体验地址：https://huggingface.co/spaces/mrfakename/E2-F5-TTS 免费的，而且支持API的调用
1.9K10编辑于 2025-05-31- 来自专栏零拷贝技术
5、DMA 技术
在没有 DMA 技术前，I/O 的过程是这样的： 1、CPU 发出对应的指令给磁盘控制器，然后返回； 2、磁盘控制器收到指令后，于是就开始准备数据，会把数据放入到磁盘控制器的内部缓冲区中，然后产生一个中断 DMA 技术： DMA 技术，也就是直接内存访问（Direct Memory Access） 技术。 DMA 技术：在进行 I/O 设备和内存的数据传输的时候，数据搬运的工作全部交给 DMA 控制器， 而 CPU 不再参与任何与数据搬运相关的事情，这样 CPU 就可以去处理别的事务。 进一步将 I/O 请求发送给磁盘； 4、磁盘收到 DMA 的 I/O 请求，把数据从磁盘读取到磁盘控制器的缓冲区中，当磁盘控制器的缓冲区被读满后， 向 DMA 发起中断信号，告知自己缓冲区已满； 5、
69310编辑于 2024-03-10 HarmonyOS5云服务技术分享--应用预加载提速指南
手把手教你用预加载优化应用启动速度Hi，开发者朋友们！今天我们来聊聊如何通过预加载技术让应用启动快人一步。在用户体验至上的时代，首屏加载速度直接关系到用户留存率，快来掌握这个提升性能的利器吧！ 最佳实践建议资源选择策略优先预加载首屏核心资源（图片/配置数据）单个资源大小建议<500KB设置合理的缓存过期策略数据更新策略使用版本号控制缓存更新增量更新代替全量加载写在最后通过预加载技术 ，我们实测某电商应用首屏加载速度从1.8s优化至0.4s，点击转化率提升27%。 遇到任何问题欢迎在华为开发者社区留言交流，也可以关注我们的公众号获取最新技术动态。祝各位开发者的应用都能拥有丝般顺滑的启动体验！ 立即前往AGC控制台开启您的优化之旅 → [前往控制台]希望这篇接地气的技术指南能帮到您！如果实践过程中有新的发现，欢迎回来分享你的优化心得~
29010编辑于 2025-05-22
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