文本转语音技术分两阶段工作

ElevenLabs 在其博客中说明，文本转语音（TTS）分两阶段工作：前端把文本归一化并转成 token 与向量表示，后端由神经模型生成声学表示，再经 vocoder 合成音频波形。ElevenLabs 以 "Mr. Ríos paid $11 on 10/06" 为例，演示了归一化、分词、韵律、声学模型到 vocoder 的完整流程。 据 ElevenLabs 介绍，神经 TTS 通过深度神经网络在大规模录音语音与对应文本上训练，输出比传统方式更自然、更易听懂。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。