成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
语音合成
关注
491
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。
综合
百科
VIP
热门
动态
论文
精华
Synthetic Audio Forensics Evaluation (SAFE) Challenge
Arxiv
0+阅读 · 10月7日
Audio Forensics Evaluation (SAFE) Challenge
Arxiv
0+阅读 · 10月3日
UniVoice: Unifying Autoregressive ASR and Flow-Matching based TTS with Large Language Models
Arxiv
0+阅读 · 10月6日
Speak, Edit, Repeat: High-Fidelity Voice Editing and Zero-Shot TTS with Cross-Attentive Mamba
Arxiv
0+阅读 · 10月6日
On the Role of Temperature Sampling in Test-Time Scaling
Arxiv
0+阅读 · 10月2日
Flamed-TTS: Flow Matching Attention-Free Models for Efficient Generating and Dynamic Pacing Zero-shot Text-to-Speech
Arxiv
0+阅读 · 10月3日
SpeechWeave: Diverse Multilingual Synthetic Text & Audio Data Generation Pipeline for Training Text to Speech Models
Arxiv
0+阅读 · 10月1日
Emotional Text-To-Speech Based on Mutual-Information-Guided Emotion-Timbre Disentanglement
Arxiv
0+阅读 · 10月2日
MLAAD: The Multi-Language Audio Anti-Spoofing Dataset
Arxiv
0+阅读 · 10月1日
Emotion-Aligned Generation in Diffusion Text to Speech Models via Preference-Guided Optimization
Arxiv
0+阅读 · 9月29日
Incentive-Aligned Multi-Source LLM Summaries
Arxiv
0+阅读 · 9月29日
Go with Your Gut: Scaling Confidence for Autoregressive Image Generation
Arxiv
0+阅读 · 9月30日
BatonVoice: An Operationalist Framework for Enhancing Controllable Speech Synthesis with Linguistic Intelligence from LLMs
Arxiv
0+阅读 · 9月30日
BFA: Real-time Multilingual Text-to-speech Forced Alignment
Arxiv
0+阅读 · 9月27日
Word-Level Emotional Expression Control in Zero-Shot Text-to-Speech Synthesis
Arxiv
0+阅读 · 9月29日
参考链接
父主题
语音技术
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top