- 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。
41132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
使用场景在数字人领域，TTS（文本转语音）是数字人与用户实现自然、流畅语音交流的核心能力。TTS技术赋能数字人具备“发声”能力，实现文字到语音的无缝转化。使用场景主要包括：1. 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. 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SDNLAB
Unified SRv6 SID技术加快SRv6应用步伐
03 Unified SID技术 IPv6技术成是新一代网络的主体技术，基于IPv6的SRv6长远考虑是未来网络的必然的演进趋势，为了解决上文提出的三大挑战，包括基于SRv6技术降低开销，简化SRv6对转发面的要求 Unified SID基于标准SRv6的SRH方案进行简洁扩展，支持SR-MPLS/IP地址与SRv6基于统一的SID长度提供SR功能，加速推进SR技术广泛落地应用。 根据该扩展方案，标准SRv6应用SID长度指示为0，使用32bit短IP地址格式长度指示为1，使用32bit MPLS Label格式长度指示为2，实现与当前各种SR技术通过统一的SID长度进行混合组网应用 05 Unified SID应用 Unified SID技术是一种灵活适配的解决方案，支持短地址格式的SRv6头压缩且适应各种Segment和地址规划。 06 Unified SID加快SRv6应用步伐 中国移动联合中兴、博通、盛科、新华三等对SRv6技术的改进方案进行了深入研究，提出了unified SRv6 SID方案，并向IETF提交了技术草案，链接见参考文献
1.5K30发布于 2019-11-13 - 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。 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。
4.4K40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- 来自专栏即时通讯技术
IPv6技术详解：基本概念、应用现状、技术实践（下篇）
本文来自微信技术架构部的原创技术分享。 1、前言 在上篇《IPv6技术详解：基本概念、应用现状、技术实践（上篇）》，我们讲解了IPV6的基本概念。 2、系列文章 文章太长，分为两篇来讲，本文是2篇文章中的第2篇： 《IPv6技术详解：基本概念、应用现状、技术实践（上篇）》 《IPv6技术详解：基本概念、应用现状、技术实践（下篇）》（本文 ） 本文是系列文章中的下篇，主要讲解IPV6的应用现状和技术实践等。 这个隧道专门用于IPv6-in-IPv4的数据封装解封和传输，应用十分之广泛，现在很多主流的IPv6隧道技术都能基于sit隧道实现。 ：百亿级实时消息推送的实战经验》 《IPv6技术详解：基本概念、应用现状、技术实践（上篇）》 《IPv6技术详解：基本概念、应用现状、技术实践（下篇）》 >> 更多同类文章 …… （本文同步发布于
3.9K31发布于 2018-08-29 - 来自专栏即时通讯技术
IPv6技术详解：基本概念、应用现状、技术实践（上篇）
2、系列文章 文章太长，分为两篇来讲，本文是2篇文章中的第1篇： 《IPv6技术详解：基本概念、应用现状、技术实践（上篇）》（本文） 《IPv6技术详解：基本概念、应用现状、技术实践（下篇）》 如果节点支持IPv6和IPv4双栈，会指明是双栈节点。 本文是系列文章中的上篇，主要讲解IPV6的基本概念，其它内容将在下篇《IPv6技术详解：基本概念、应用现状、技术实践（下篇）》中详细讲解。 中网络编程长连接的那些事》 《移动端IM开发者必读(一)：通俗易懂，理解移动网络的“弱”和“慢”》 《移动端IM开发者必读(二)：史上最全移动弱网络优化方法总结》 《IPv6技术详解：基本概念、应用现状 ：微信收款到账语音提醒技术总结》 《腾讯技术分享：社交网络图片的带宽压缩技术演进之路》 《微信团队分享：视频图像的超分辨率技术原理和应用场景》 《微信团队分享：微信每日亿次实时音视频聊天背后的技术解密 ：百亿级实时消息推送的实战经验》 《IPv6技术详解：基本概念、应用现状、技术实践（上篇）》 >> 更多同类文章 ……
6.8K44发布于 2018-08-29 - 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 (text): linghyun_URL = "http://api.hcicloud.com:8880/tts/synthtext" request_data = "2014-6-18 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 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。
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- 来自专栏智慧物联产品＆方案
WiFi 6技术在工业物联网应用中有哪些优势？
佰马工业智能网关系列已全面支持搭载WiFi 6 网络，助力构建更高水平、更智能的物联网应用。 以下就为大家介绍一下 WiFi 6 技术在工业物联网场景中的一些优势：1、更高的数据速率和容量与前几代 WiFi 相比，WiFi 6 提供更高的数据速率和改进的容量。 4、提高可靠性通过基本服务集 (BSS) 着色等技术升级，WiFi 6 增强了区分不同 BSS 的能力，减少了干扰并提高了可靠性。 7、物联网设备支持WiFi 6 的设计考虑了物联网设备，使其更适合 IIoT 应用中常见的众多低功耗和低数据速率设备。该技术支持高性能设备和电池高效设备，提供与工业物联网环境中各种设备良好配合的平衡。 总之，WiFi 6 技术为 IIoT 应用带来了更高的数据速率、更高的容量、更低的延迟、更好的可靠性、能源效率和增强的安全性。
74210编辑于 2023-10-20 - 来自专栏AI进修生
6k Star！ChatTTS：开源领域最强的文本到语音转换（TTS）模型！
该模型能预测和控制细粒度的韵律特征，如笑声、停顿和插入词，韵律表现超越大部分开源TTS模型。同时提供预训练模型，支持进一步研究。 对话式 TTS: ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。 2. 细粒度控制: 该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。 3. 更好的韵律: ChatTTS在韵律方面超越了大部分开源TTS模型。同时提供预训练模型，支持进一步的研究。 generate special token in text to synthesize. params_refine_text = { 'prompt': '[oral_2][laugh_0][break_6] v=JJ3GGEjKgu4&t=6s 知音难求，自我修炼亦艰 抓住前沿技术的机遇，与我们一起成为创新的超级个体 （把握AIGC时代的个人力量） 一键三连「分享」、「点赞」和「在看」 科技前沿进展日日相见
1.8K10编辑于 2024-12-02 - 来自专栏项目文章
物联网通信技术期末复习6：第六章-应用传输技术
MQTT特点 MQTT应用 车联网M2M通信、WEB消息推送、移动即时通信、智慧城市、远程医疗、智能家居等等。 可变头的内容因数据包类型而不同，较常的应用是作为包的标识：很多类型数据包中都包括一个2字节的数据包标识字段。 有效载荷 Payload，只有某些消息类型里有，对于发布者来说有效载荷就是应用消息。 CoAP提供了应用程序端点之间的请求/响应交互模型，支持服务的资源发现，并包括Web的关键概念，例如URI和Internet媒体类型。
32210编辑于 2024-06-07 - 来自专栏云计算linux
ES6技术
ES6技术 一.ES6基础和语法 1.JavaScript和ECMAScript的关联 JavaScript之前是LiveScript，具体的资料，大家自己查一下百度。 ECMA第39号技术委员会 (TC39): 负责制定和审核ECMA-262标准，成员由业内的大公司派出的工程师组成，目前共25个人。该委员会定期开会，所有的邮件讨论和会议记录，都是公开的。 第一步：设置 第二步，选中JavaScript版本为ECMAScript 5. let关键字和const关键字 ES6目标，使JavaScript语言可以编写复杂的大型应用程序、更加面向对象、效率更高 alert('您不可以上传不符合条件的文件'); </script> </head> <body> </body> </html> 案例4： <script> //应用场景 padStart(数字>=字符串长度,补全的字符) console.log(str.padEnd(5).length); 7.2 模板字符串 反引号 嵌入变量写法 运算操作 调用函数 用途 ES6增加一个新的技术
43810编辑于 2024-12-19 - 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 - 来自专栏微信公众号【Java技术江湖】
搞懂分布式技术6：Zookeeper典型应用场景及实践
喜欢的话麻烦点下Star哈 文章将同步到我的个人博客： www.how2playlife.com 该系列博文会告诉你什么是分布式系统，这对后端工程师来说是很重要的一门学问，我们会逐步了解常见的分布式技术 、以及一些较为常见的分布式系统概念，同时也需要进一步了解zookeeper、分布式事务、分布式锁、负载均衡等技术，以便让你更完整地了解分布式技术的具体实战方法，为真正应用分布式技术做好准备。 如果对本系列文章有什么建议，或者是有什么疑问的话，也可以关注公众号【Java技术江湖】联系作者，欢迎你参与本系列博文的创作和修订。 网上对ZK的应用场景也有不少介绍，本文将介绍比较常用的项目例子，系统地对ZK的应用场景进行一个分门归类的介绍。 ZooKeeper提供的命名服务功能与JNDI技术有类似的地方，都能够帮助应用系统通过一个资源引用的方式来实现对资源的定位与使用。
1K20发布于 2019-12-03 人脸识别技术应用新规出台，6月1日起施行
近日，国家互联网信息办公室、公安部联合公布了《人脸识别技术应用安全管理办法》（以下简称《办法》），自2025年6月1日起施行。 为了规范应用人脸识别技术处理人脸信息活动，保护个人信息权益，国家互联网信息办公室、公安部联合出台《办法》，对应用人脸识别技术处理人脸信息的基本要求和处理规则、人脸识别技术应用安全规范、监督管理职责等作出了规定 《办法》明确了应用人脸识别技术处理人脸信息的基本要求。 第二条 在中华人民共和国境内应用人脸识别技术处理人脸信息的活动，适用本办法。 在中华人民共和国境内为从事人脸识别技术研发、算法训练活动应用人脸识别技术处理人脸信息的，不适用本办法的规定。 第二十条 本办法自2025年6月1日起施行。 编辑：芯智讯-林子
17810编辑于 2026-03-19- 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
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