电脑语音与语言

• 本单元主要介绍电脑语音与语言相关的知识。

语音与智能

• 处理人类语言的能力是智能的象征。
• 能够理解语音及生成语音的技术是人工智能的核心技术之一。
• 语⾳音合成，也称为⽂字转语⾳音（TTS），接受⽂字输⼊并⽣成语⾳音输出。

语音特性

• 语⾳包含丰富的资讯，例 如意思、意图、⼝音、年龄、态度、教育程度、情绪、性别、健康状况、语⾔能力、个性和其他特征。

文字转语音

• 视力有问题的人可以通过机器读出文字来获取信息。
• 具有言语障碍的人可以使用机器生成自然的声音进行交流。
• 自动广播系统使用文字转语音技术进行信息播放。
• 学习新语言能帮助使用机器创建音频发音以供参考。

语音合成系统

• 语音合成系统的设计包括语言学 阶层的因素。
• 语音合成从接受文字输入开始，进行文字分析，最终生成波形。
• 文字规范化将书面文字转换为可朗读的词。
• 文字转音位将单词转换为语音标签。
• 韵律预测预测句子的特征，例如语调、时间长度和能量（即声量）。
• 波形生成将语言表示转换为波形。
• 文字被规范化并转换成音位。

主观测量

• 是比较受各种因素影响的意见分数，例如平均意见分数（MOS）。

合成语音

• 计算机合成语音波形和相应的人类语音波形之间的数学距离越短，质量越好。

学习总结

• 文字转语音 (TTS) 的功能是接受文字输入，并生成合成语音输出。
• 使用文字转语音技术的目标是使机器“说话”清晰、自然、富有表现力，能够像人类一样有效地交流。
• 文字转语音系统通常参考人类口语的语言结构，遵循从高至低的语言阶层的语音结构，包括句子、语法、词语/短语、音素和原声。
• 文字转语音涉及文字分析及波形生成。
• 文字转语音系统生成的合成语音可以用客观和主观测量进行评估