语音合成的介绍

1. 语音合成的介绍

语音合成是通过机械的、电子的方法产生人造语音的技术。TTS技术（又称文语转换技术）隶属于语音合成，它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。采用世界领先的语音合成技术，研发出来的“语音合成助手”软件可以完美的完成语音合成工作。

2. 语音合成的合成方法

 一种语音合成系统，其包括：分割单元，其被配置成将对应于目标语音的音位串分割为多个节段，来产生第一节段序列；选择单元，其被配置成基于第一节段序列通过组合多个语音单元产生对应于第一节段序列的多个第一语音单元串，并从所述多个第一语音单元串中选择一个语音单元串；和连接单元，其被配置成连接包含在所选择语音单元串中的多个语音单元，以产生合成语音，选择单元包括检索单元，其被配置成反复实施第一处理和第二处理，该第一处理基于对应于第二节段序列的最多W个（W为预定值）第二语音单元串产生对应于第三节段序列的多个第三语音单元串，所述第二节段序列作为第一节段序列中的部分序列，所述第三节段序列作为通过将节段添加给第二节段序列而获得的部分序列，第二处理从所述多个第三语音单元串中选择最多W个第三语音单元串，第一计算单元，其被配置成计算所述多个第三语音单元串中每个的总成本，第二计算单元，其被配置成基于涉及语音单元数据获取速度的限制来为所述多个第三语音单元串中的每个计算对应于总成本的惩罚系数，其中惩罚系数依赖于接近所述限制的程度，和第三计算单元，其被配置成通过使用惩罚系数修正总成本来计算所述多个第三语音单元串中每个的估计值，其中检索单元基于所述多个第三语音单元串中每个的估计值从所述多个第三语音单元串中选择最多W个第三语音单元串。  “未来的十年是语音技术的时代”。随着语音技术研究的突破，其对计算机发展和社会生活的重要性日益凸现出来。语音合成技术是语音技术中十分实用的一项重要技术，它能解决人民大众的实际需求，能够深入到社会的各行各业中去。语音合成技术经历了一个逐步发展的过程，从参数合成到拼接合成，再到两者的逐步结合，其不断发展的动力是人们认知水平和需求的提高。它们各有优缺点，人们在应用过程中往往将多种技术有机地结合在一起，或将一种技术的优点运用到另一种技术上，以克服另一种技术的不足。

3. 语音合成的概述

语音合成是利用电子计算机和一些专门装置模拟人，制造语音的技术。 语音合成和语音识别技术是实现人机语音通信，建立一个有听和讲能力的口语系统所必需的两项关键技术。使电脑具有类似于人一样的说话能力，是当今时代信息产业的重要竞争市场。和语音识别相比，语音合成的技术相对说来要成熟一些，并已开始向产业化方向成功迈进，大规模应用指日可待。语音合成，又称文语转换（Text to Speech）技术，能将任意文字信息实时转化为标准流畅的语音朗读出来，相当于给机器装上了人工嘴巴。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，是中文信息处理领域的一项前沿技术，解决的主要问题就是如何将文字信息转化为可听的声音信息，也即让机器像人一样开口说话。我们所说的“让机器像人一样开口说话”与传统的声音回放设备（系统）有着本质的区别。传统的声音回放设备（系统），如磁带录音机，是通过预先录制声音然后回放来实现“让机器说话”的。这种方式无论是在内容、存储、传输或者方便性、及时性等方面都存在很大的限制。而通过计算机语音合成则可以在任何时候将任意文本转换成具有高自然度的语音，从而真正实现让机器“像人一样开口说话”。 文语转换系统实际上可以看作是一个人工智能系统。为了合成出高质量的语言，除了依赖于各种规则，包括语义学规则、词汇规则、语音学规则外，还必须对文字的内容有很好的理解，这也涉及到自然语言理解的问题。下图显示了一个完整的文语转换系统示意图。文语转换过程是先将文字序列转换成音韵序列，再由系统根据音韵序列生成语音波形。其中第一步涉及语言学处理，例如分词、字音转换等，以及一整套有效的韵律控制规则；第二步需要先进的语音合成技术，能按要求实时合成出高质量的语音流。因此一般说来，文语转换系统都需要一套复杂的文字序列到音素序列的转换程序，也就是说，文语转换系统不仅要应用数字信号处理技术，而且必须有大量的语言学知识的支持。

4. 语音合成的中文语音

作为一种有调语言，汉语韵律特征非常复杂。古汉语的平仄以及现代汉语拼音，对于同样一个音节，出现在不同的环境下，其韵律参数都是各不相同的。用有限的存储单元存储基本汉语基本语音单元，进而从有限的存储单元中合成出无限词汇，组成连续汉语语句。必须在一定的韵律规则下对音库单元的韵律参数进行调整，以得到符合当前语言环境的语音库单元。语音合成器用来完成这种功能 。中文语音合成系统在DSP下实现时，除清晰度，能懂度和自然度外，还要求合成算法具有较底的运算复杂度，尽量小的语音库以减少对有限存储空间的占用程度。

5. 语音合成器是什么

语音合成是将人类语音用人工的方式所产生。若是将电脑系统用在语音合成上，则称为语音合成器，而语音合成器可以用软/硬件所实现。文字转语音(text-to-speech, TTS)系统则是将一般语言的文字转换为语音，其他的系统可以描绘语言符号的表示方式，就像音标转换至语音一样。

而合成后的语音则是利用在数据库内的许多已录好的语音连接起来。系统则因为储存的语音单元大小不同而有所差异，若是要储存phone以及 diphone的话，系统必须提供大量的储存空间，但是在语意上或许会不清楚。而用在特定的使用领域上，储存整字或整句的方式可以达到高品质的语音输出。另外，包含了声道模型以及其他的人类声音特征参数的合成器则可以创造出完整的合成声音输出。

一个语音合成器的品质通常是决定于人声的相似度以及语意是否能被了解。一个清晰的文字转语音程式应该提供人类在视觉受到伤害或是得到失读症时，能够听到并且在个人电脑上完成工作。从80年代早期开始，许多的电脑操作系统已经包含了语音合成器了。
早在17世纪就有法国人研发机械式的说话装置。[来源请求]直到19世纪，贝尔实验室对于电子语音合成技术的研究，才开启近代语音合成技术的发展。贝尔实验室在1939年制作出第一个电子语音合成器VODER[1]，是一种利用共振峰原理所制作的合成器。

1960年，瑞典语言学家G. Fant则提出利用线性预测编码技术(LPC)来作为语音合成分析技术，并推动了日后的发展。后来1980年代Moulines E和Charpentier F提出新的语音合成算法PSOLA，此技术可以合成比较自然的语音。

6. 语音合成芯片的技术原理

所谓语音合成芯片，又称中文TTS芯片，是指一种专业的语音芯片，它可以通过串行通信接口如UART和SPI等方式，与主控CPU进行数据通信，接收CPU传送的文本信息，以合成语音的方式，驱动发声器发声，其特点是：高集成度，带串行通信接口以及需要一定的外围电路的支持（如晶振电路等）。

7. 语音合成技术的现状及发展趋势

文语转换系统的目的是将文字的输入自动地转换成语音输出，它在信息发布系统、语音应答系统、电子邮件中的语音服务、文稿校对系统以及残疾人语音辅助等许多方面有很大的应用前景。我国对汉语文语转换系统的研究发展迅速，已有许多单位先后研制出汉语文语转换系统。由于汉语的复杂性，使得现有的汉语语音学规则不够完善和精细，目前以此为基础开发出来的汉语文语转换系统的语音质量与实际应用要求还相差一段距离。
本文针对现有汉语文语转换系统所存在的核心问题，从完善汉语的韵律规则展开研究工作。本文与传统的研究方法不同，将数据挖掘技术应用到汉语的韵律规则研究上。数据挖掘是从数据库中发现新的有用知识的过程，现已发展了很多数据挖掘算法，神经网络是其中的一种。本文以神经网络作为核心算法，开发了一个基于语音数据的数据挖掘系统—SpeechDM，并用SpeechDM系统对汉语中二字词的声调变化进行了研究，初步寻找出更精细、更可用的声调变化规则，为开发高质量的文语转换系统打下了基础。
本文主要包括如下几方面的内容：
1．介绍了语音合成的历史与背景，并介绍了汉语语音合成的发展及汉语韵律规则的研究现状。

8. 语音怎么合成一个音频

点击打开音频，点击打开合成音频功能，点击选择添加文件，选择添加需要合成的音频文件，点击确定后再点击开始。
工具／原料：联想拯救者Y7000、Windows10 1909、格式工厂5.7.5。
方法：
1、点击音频：
点击【音频】选项。

2、点击功能：
点击功能菜单中的【音频合并】功能。

3、添加文件：
点击界面中的【添加文件】按钮。

4、选择音频：
选中需要合成的音频文件。

5、点击确定：
设置合成音频输出路径后点击【确定】按钮。

6、点击开始：
点击界面中的【开始】按钮进行合并即可。