对目前TTS领域的个人看法

文章预览

之前我讲过对于STT(Speech to Text)方案的使用体验，这次来讲一下对于高质量TTS的使用体验。 1、普通听感 TTS也是个挺早的领域了，大模型时代之前的TTS听感其实不算好，特别是很多场景就是图便宜、图自主可控。例如说滴滴司机端的TTS，相信很多人都听过，效果只能说能知道文本是啥，但我是不想用。 现在各大云服务商都有TTS，听感明显要好一些，例如Azure的TTS就被很多人推荐。现在各家也开始增加了带有感情的TTS功能。这一档的TTS其实已经算可以用了。不过Azure的付费门槛还是有的，有些视频就拿一个国产西游记孙悟空的嗓音进行配音，大概也有掩盖它使用的TTS听感较差的考虑。 更好的TTS是高端数字人定制的场景，例如《得到》万维钢专栏的配音已经从怀沙真人换成了怀沙AI，但我作为用户几乎听不出差异，这类就已经算是目前效果最好的方案了 ………………………………