语音合成(Speech Synthesis),也称为文语转换(Text-to-Speech, TTS,它是将任意的输入文本转换成自然流畅的语音输出。语音合成涉及到人工智能、心理学、声学、语言学、数字信号处理、计算机科学等多个学科技术,是信息处理领域中的一项前沿技术。 随着计算机技术的不断提高,语音合成技术从早期的共振峰合成,逐步发展为波形拼接合成和统计参数语音合成,再发展到混合语音合成;合成语音的质量、自然度已经得到明显提高,基本能满足一些特定场合的应用需求。目前,语音合成技术在银行、医院等的信息播报系统、汽车导航系统、自动应答呼叫中心等都有广泛应用,取得了巨大的经济效益。 另外,随着智能手机、MP3、PDA 等与我们生活密切相关的媒介的大量涌现,语音合成的应用也在逐渐向娱乐、语音教学、康复治疗等领域深入。可以说语音合成正在影响着人们生活的方方面面。
浙大开源快速扩散语音合成模型FastDiff和ProDiff
PaperWeekly
0+阅读 · 2022年10月22日
AI配乐?还是登顶会的那种!|Interspeech 2022
新智元
0+阅读 · 2022年9月22日
像编辑文本一样编辑语音,可能吗?
微软研究院AI头条
2+阅读 · 2022年9月14日
下一个「洛天依」的打造任务,交给你了
机器之心
0+阅读 · 2022年8月24日
NaturalSpeech模型合成语音在CMOS测试中首次达到真人语音水平
微软研究院AI头条
0+阅读 · 2022年6月10日
参考链接
父主题
微信扫码咨询专知VIP会员