在线语音合成：突破口语限制，为生活开启无限想象

随着科技的不断发展，人们对于交流方式的需求也在不断升级。语音成为一种越来越受人们关注的交互方式。在线语音合成技术的应用领域也越来越广泛，为不同群体的人们带来更多便利和趣味。

在线语音合成技术的核心是说话人转换，即提取一位说话者的声音和语音特点，并使用算法生成新的语音。这意味着每个人都可以用自己的声音来朗读文章、播报节目，甚至为动画游戏和语音助手创造独特的声音角色。在线语音合成技术为人们带来了自由和随心所欲的交流方式，突破了口语限制。

智能语音技术领域在语音合成通用框架方面做出了丰富的工作，包括VITS等端到端建模和韵律表征技术。科大讯飞在线语音合成推出了新一代语音合成引擎——聆系列主播，结合SMART-TTS框架和虚拟音色生成技术。

SMART-TTS框架将语音合成过程进行模块化拆解，通过预训练和加强学习来提升语音合成性能。SMART-TTS框架中，文本编码预训练阶段包含了跟发音韵律相关的信息，韵律特征提取时采用对比学习方式，有利于增强语音韵律的表征能力，VAE等编码技术可以在编码基础上帮助恢复声学特征。SMART-TTS框架已在许多产品中得到应用，可以在讯飞开放平台、学习强国和讯飞有声APP等地方感受语音合成效果。

科大讯飞在线语音合成还开发了虚拟音色生成技术构建语音模型。通过音色编码模块提取音色相关表征，然后在隐层表征空间投影、联合文本表征和韵律表征做语音合成，训练还会标注音色特征标签，便于配置音色控制标签生成，提高指示性和内插等属性。目前，已有超过500个符合音色控制标签的合成音色，其自然度超过了4.0MOS。

聆系列主播是一种新一代智能语音合成引擎，用户可以直接体验语音合成效果。科大讯飞在线语音合成技术可以在讯飞开放平台官网进行体验，在线语音合成技术给人们带来了更多的便利和创意，在交流方式的选择上更加灵活和多样化。

点击下方链接即可体验

https://t.xfyun.cn/u7quUDq