高品質真人文字轉語音TTS API，語音合成技術 (支援多國語言男女聲,Windows/Android/iOS平台)
網際智慧 Text-to-speech (TTS)高品質文字轉語音引擎 API 應用介紹
TTS主要應用
- 機器人
- 智慧終端
- 公眾廣播
- 叫號系統/結帳
- 工廠/倉儲自動
- App、網站等數位內容製作
- 有聲出版品
- 無障礙設施與輔具
- IVR電話語音系統
TTS文字轉語音應用特色
1. TTS主要功能
- 將text文字檔的內容，轉換為wav檔，可送到Buffer，播放軟體可以讀取buffer做聲音後處理
- 能自動判斷前後文，自動判斷常用多音字、年份、日期、時間、電話、數字、％…等讀法，也可自訂讀法
- 能瞬間產生音檔，1000字約10秒產生音檔（與CPU及硬碟速度相關）
2. 朗讀内容可自訂發音
- 可透過API調整朗讀快慢、音調高低、音量（speed, pitch, volume）、逗點停頓時間、句點停頓時間
- 可自訂發音（透過字典檔或XML tag）
- 可在文章內文中標註XML來控制發音(speed, pitch, volume等)
3. 中英夾雜朗讀
- 中文夾雜英文單字，中文引擎即可正常朗讀
- 整句英文或文章，就需要搭配英文引擎，才能有抑揚頓挫效果
4. TTS跨平台支援
- Android
- iOS
- Linux, Linux Embedded
- Windows, Windows IoT
- Web網頁
線上文字轉語音網站試聽
文字轉語音功能特色
- 小音庫（約6MB, 主要應用於智慧終端、嵌入系統）
- 標準音庫（約64MB, 主要應用於智慧終端）
- 大音庫（約200MB-600MB, 主要應用於公眾廣播、有聲出版品、電話語音系統）
- 提供8K, 16K, 44K等聲音輸出
多發音人(Speakers)、變音變聲支援
- 提供不同風格的發音人，男生、女生、小孩...。一個語言都有2個以上發音人，又以英、日、韓的發音人最多，有台灣口音的發音人！
- 可選購變聲模組（女變男、變機器人、變小孩...等）
多語言支援
支援中(北京、台灣、廣東)、日、韓、泰、英(美國、英國、澳洲)、法(加拿大、歐洲)、西(墨西哥、歐洲)、葡(巴西、歐洲)、德、荷、俄、瑞典、挪威、阿拉伯等等，持續擴充新語言中
TTS授權類型種類
1.音檔重製、散佈
- 生產音檔，重製/出版：語音試卷、有聲書出版品（影片、聲音)
2.公開播放、公開傳輸
- 公共場所播放：消防隊、學校、車站、機場、捷運、醫院、百貨公司、工廠…等各類廣播系統
- 電話語音系統播放：企業
- 網站播放：E-Learning服務、Youtube影片、數位內容網、無障礙網站
3.個人單機使用
- 個人單機使用：不公開播放，不重製散佈
留言
留言分享你的想法！
你可能也想看
Google News 追蹤
Voice Clone Multilingual 支援克隆聲音的 TTS 工具，用戶可以上傳聲音範本，並支援多種語言，適用於教育和娛樂等多個場景。無需註冊即可使用，並能免費下載生成的 WAV 音訊檔案。讓文字轉語音體驗更上一層樓。
我們前面幾篇已經講完TTS技術的一大半架構了，知道了如何將聲學特徵重建回音訊波形，也從中可以知道要是聲學特徵不完善，最終取得的結果也會不自然，剩下要探討該如何將文字轉換成聲學特徵，且能夠自然地表現停頓及細節變化，讓我們開始吧。
今天我要跟大家聊聊 GPT-SoVITS 的用途及其功能。
這個開源的聲音克隆專案，融合了業內頂尖的語音合成工具——GPT (Generative Pre-trained Transformer)模型，和SoVITS(Speech-to-Video Voice Transformation Sys
我們在語音初探篇提到TTS的流程可以分成三個部分 :輸入前處理、預測音訊特徵、語音重建，其中輸入前處理的部分上兩篇已經處理完，在進入預測音訊特徵前，讓我們先來理解最後的語音重建部分。
上篇我們簡單的了解了 TTS 想要達到的目標，但是對於訓練資料的處理、網路架構、損失函數、輸出分析等考慮到篇幅尚未解釋清楚，這篇將針對訓練資料處理中的文字部分進行詳細說明，讓我們開始吧。
在 AI 應用中，圖像、語音、文字三種可以說是主要應用，其中我一直以來都是專注於圖像上的研究，對於另兩種僅止於淺嚐，接下來就往音訊上研究看看，先從入門級的Text-To-Speech (TTL) 入場並一個個嘗試其他類型的應用，那麼，就讓我們開始吧。
免費文字轉語音（Free text to speech）免費的線上語音合成工具，使用微軟 AI 語音庫生成仿真人語音，支援 129 種語言，提供三百多種聲音，輸入文本即可線上聆聽和下載 MP3 檔案。
這篇文章介紹瞭如何將聲音檔轉換為逐字稿，並且提到了使用雲端硬碟安裝colaboratory的方法。這篇文章指出了逐字稿的重要性，以及如何透過逐字稿做文字呈現方式的轉變。如果你需要處理會議紀錄或聲音檔，這些方法都能幫助你更輕鬆的進行工作。
要如何做到無須任何額外訓練樣本就能做到"跨語言"的語音生成，這聽起來很不可思議對吧? 但這就是本篇論文取得的成就，不僅如此，該有的功能，如調整情感，口音節奏，停頓語調這些功能也不在話下。跟著我一起用探秘還有獨立思考的眼光來分析這篇論文，這會是很有趣的旅程。
我測試的文字轉語音工具，我可以導入4000-5000（甚至高達10,000）個單詞來生成我的音頻檔案。
https://www.text-to-speech.online/
https://ttsmaker.com/
其他工具但對字符數有一些限制：
https://ttsfree.
Voice Clone Multilingual 支援克隆聲音的 TTS 工具，用戶可以上傳聲音範本，並支援多種語言，適用於教育和娛樂等多個場景。無需註冊即可使用，並能免費下載生成的 WAV 音訊檔案。讓文字轉語音體驗更上一層樓。
我們前面幾篇已經講完TTS技術的一大半架構了，知道了如何將聲學特徵重建回音訊波形，也從中可以知道要是聲學特徵不完善，最終取得的結果也會不自然，剩下要探討該如何將文字轉換成聲學特徵，且能夠自然地表現停頓及細節變化，讓我們開始吧。
今天我要跟大家聊聊 GPT-SoVITS 的用途及其功能。
這個開源的聲音克隆專案，融合了業內頂尖的語音合成工具——GPT (Generative Pre-trained Transformer)模型，和SoVITS(Speech-to-Video Voice Transformation Sys
我們在語音初探篇提到TTS的流程可以分成三個部分 :輸入前處理、預測音訊特徵、語音重建，其中輸入前處理的部分上兩篇已經處理完，在進入預測音訊特徵前，讓我們先來理解最後的語音重建部分。
上篇我們簡單的了解了 TTS 想要達到的目標，但是對於訓練資料的處理、網路架構、損失函數、輸出分析等考慮到篇幅尚未解釋清楚，這篇將針對訓練資料處理中的文字部分進行詳細說明，讓我們開始吧。
在 AI 應用中，圖像、語音、文字三種可以說是主要應用，其中我一直以來都是專注於圖像上的研究，對於另兩種僅止於淺嚐，接下來就往音訊上研究看看，先從入門級的Text-To-Speech (TTL) 入場並一個個嘗試其他類型的應用，那麼，就讓我們開始吧。
免費文字轉語音（Free text to speech）免費的線上語音合成工具，使用微軟 AI 語音庫生成仿真人語音，支援 129 種語言，提供三百多種聲音，輸入文本即可線上聆聽和下載 MP3 檔案。
這篇文章介紹瞭如何將聲音檔轉換為逐字稿，並且提到了使用雲端硬碟安裝colaboratory的方法。這篇文章指出了逐字稿的重要性，以及如何透過逐字稿做文字呈現方式的轉變。如果你需要處理會議紀錄或聲音檔，這些方法都能幫助你更輕鬆的進行工作。
要如何做到無須任何額外訓練樣本就能做到"跨語言"的語音生成，這聽起來很不可思議對吧? 但這就是本篇論文取得的成就，不僅如此，該有的功能，如調整情感，口音節奏，停頓語調這些功能也不在話下。跟著我一起用探秘還有獨立思考的眼光來分析這篇論文，這會是很有趣的旅程。
我測試的文字轉語音工具，我可以導入4000-5000（甚至高達10,000）個單詞來生成我的音頻檔案。
https://www.text-to-speech.online/
https://ttsmaker.com/
其他工具但對字符數有一些限制：
https://ttsfree.