AITerms 登入
語音辨識機器學習深度學習

語音合成技術(Speech Synthesis)是什麼?

語音合成技術是一種將文字轉換成人類語音的技術,也稱為文字轉語音(TTS)。它廣泛應用於語音助理、導航系統和輔助科技等領域。

完整定義

語音合成技術,又稱文字轉語音(TTS),是一種將文字資訊轉換成人類語音的技術。它利用電腦演算法和模型,將輸入的文字轉換為可聽的聲音訊號,模擬人類的說話方式。語音合成技術在許多領域都有應用,例如語音助理、導航系統、輔助科技和娛樂等。

白話說明

你有沒有按下朗讀按鈕,想知道電腦怎麼把文字念得像人一樣?

你可以把它想成把文字變成聲音的技術,像導航、旁白、電子書朗讀都靠它。

它的重要性在於,很多場景不是要你看字,而是要讓資訊直接「說」出來,方便你邊走邊聽、邊做事邊接收內容。

記住這句

看文字要變成自然聲音,就想到語音合成。

比喻:語音合成技術就像一位專業的配音員,能把任何文字稿變成聽起來很自然的語音 -- 你給它一段文字,它就能用聽起來像真人說話的聲音把它唸出來,還能調整語氣、語速,讓機器「開口說話」,而不是死板的電子音。

容易混淆

語音合成 vs 語音辨識

語音合成:把文字變成聲音,讓機器會說話。

語音辨識:把聲音變成文字,讓機器聽懂人說了什麼。

最關鍵的區別:一個是輸出聲音,一個是輸入聲音。

實際案例

你在圖書館用手機開啟朗讀功能,長文章就能直接聽,不必一直盯著螢幕。

導航 App 在你開車時播報前方轉彎,這也是語音合成在工作。

演算法與應用

它通常會先把文字轉成音素、韻律和停頓資訊,再由聲學模型與聲碼器產生語音。

現代方法多用深度學習來提升自然度,重點會放在音色、重音、停頓和情緒表現。

中英對照與常見說法

語音合成的範圍比文字轉語音略廣:文字轉語音特指從文字生成,語音合成還包含從其他輸入(例如另一段語音、音素序列)生成人聲。日常對話裡兩者混用不會造成誤解。

說法
語音合成
出現場合
台灣與中國大陸通用的正式用語
說法
语音合成
出現場合
簡體寫法
說法
Speech Synthesis
出現場合
英文原名
說法
TTS(Text-to-Speech,文字轉語音)
出現場合
產品與 API 文件裡最常見的說法
說法
語音生成
出現場合
近年隨生成式模型出現的新說法

技術世代

現在的神經式主流是兩段式:聲學模型把文字轉成梅爾頻譜圖(決定念什麼、怎麼斷句、語調),聲碼器把頻譜還原成波形(決定音質)。近年也有端到端與「把語音當離散 token 用語言模型生成」的做法,後者讓語音合成能力併進大型語言模型。

世代
串接式(concatenative)
做法
事先錄大量語音片段,播放時拼接
聽起來
單字清楚但接縫明顯,語調僵硬
世代
參數式(parametric)
做法
用統計模型產生聲學參數再合成
聽起來
平順但沉悶,有明顯的機器感
世代
神經式(neural)
做法
深度模型直接產生頻譜與波形
聽起來
接近真人,語調自然

中文語音合成的特殊難點

多音字判讀。 「行」念 xíng 還是 háng、「重」念 zhòng 還是 chóng、「長」念 cháng 還是 zhǎng,必須靠上下文判斷。這一步叫字音轉換(G2P),是中文語音合成錯誤的主要來源。

三聲連續變調。 兩個三聲相連時前一個要變成二聲(「你好」實際念成 ní hǎo),沒處理會聽起來很生硬。

文字正規化。 數字、日期、單位、英文縮寫都要先決定怎麼念。「3.5」念三點五、「2026/07/29」念年月日、「AI」逐字母念,這些是前處理的規則,不是模型的問題。

中英夾雜在台灣特別常見,模型要能在同一句裡切換發音系統而不突兀。

評估與使用邊界

主要評估方式仍是主觀評分 MOS(請人聽並給 1 到 5 分),客觀指標跟人耳感受的相關性有限。除了自然度,實務上還要看可懂度(在吵雜環境聽不聽得清楚)與一致性(長篇朗讀時音色會不會飄)。

語音複製現在只需要幾秒鐘樣本就能模仿一個人的聲音,這帶來明確的濫用風險。使用他人聲音前必須取得授權,多數服務也要求在輸出中揭露是合成語音。

情境判斷

Q1(直覺題): 你想讓電子書自己唸出來,這是語音合成嗎?

是,因為輸入是文字,輸出是聲音。

Q2(判斷題): 如果聲音很像機器人、語氣很平,問題通常只在文字內容嗎?

不只。看情況,常見原因是韻律建模或聲碼器不夠自然。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 1 題把語音合成技術列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

參考來源:en.wikipedia.org

其他格式:Markdown 版本