工業技術研究院

技術簡介

文字轉語音合成技術(Text-to-Speech)乃是透過電腦處理將任意文字輸入轉換成語音輪出。使用者不需要針對特定文字內容預錄音，只要將文字內容輸入電腦，電腦即會自動處理包括日期、時間、電話、金額、項次等數字之正確讀法，以及處理常見特殊符號、英文縮寫等之正確讀法。然後採用具有中文斷詞容錯能力之強健式韻律合成，生成音質清晰無衰減以及具有揚頓挫之韻律變化的合成語音，提供近似真人的發音。

Abstract

A text-to-speech (TTS) system converts normal language text into speech; other systems render symbolic linguistic representations like phonetic transcriptions into speech

技術規格

‧基於模型之高音質文字轉語音技術 - Memory：Storage約3MB(含一個聲音庫)、Runtime約3MB - Speed： PDA Phone 400MHz，Real-time Factor約 0.5 - 聲音庫 中英統合台灣腔中文:男聲(Bruce)、女聲(Joddess、Theresa) 中英切換:男聲(Bruce)、女聲(Theresa、Katherine、Connie)、小女孩(Angela) 大陸腔中文:男聲、女聲 台語:女聲(阿娟) 英語:男聲(Bruce)、女聲(Alice) ‧ *支援平台 - Windows - iOS - Android

Technical Specification

none

技術特色

*高品質自然語音合成 uTTS乃基於語音統計模型重建語音波形之高音質文字轉語音技術，沒有拼接式語音合成系統在語音合成單元間的不連貫現象。整句合成語音具有抑揚頓挫之韻律，極為自然流暢。由於採用參數合成的方法，uTTS可以非常方便地對各項影響合成效果的參數，如音量、音高、語速等眾多參數進行調節，使得語音合成更加容易進行韻律調整之控制。 *智慧文本分析 uTTS擁有自然語言理解能力，能自動進行文本分析和韻律描述，並具專利之中文斷詞容錯能力之強健式韻律合成。高準確度的智慧文本分析與預處理，使語音合成即使在一些語言分析處理的困難點，如破音字、特殊符號、日期、時間、電話、金額、項次等等，也能得到高度準確的合成結果。 *多音色風格語音的選擇與建構 本合成器可以合成自然而富含韻律節奏的語音，並提供多音色風格的選擇，例如成熟穩重的男聲，及溫柔甜美的女聲。由於語音統計模型只需1至2小時之錄音語料，即可經過自動訓練步驟得到，和以往相比可大幅度縮短構建高品質音庫的時間。因此我們可配合使用者之需要，快速產生出適合的音色，以幫助開發者更快速地回應客戶語音應用的新需求，以及縮短開發應用的過程，此實為本系統之一大特色。 *韻律強化及特效合成 更提供韻律強化及特效合成之文字轉語音合成技術，可在原有的聲音下，進行說話韻律調整，可調整出更多不同的聲音。 *ITRI TTS＠Web文字轉語音web服務 可選擇不同語者聲音，並進行說話韻律調整(音調高低、速度快慢、音量大小)，同時可與網頁結合，將網頁的內容即時合成自然流暢的合成語音，且不需安裝元件，直接就可使用。

應用範圍

可應用於眼睛不方便使用、視力不佳、顯示螢幕或設備受限制、聽語學習、發聲障礙和添聲增色之各類情境中，所衍生的相關終端設備產品，如:導航機、車機、有聲書、視障輔具、電話語音、小型行動裝置、機器人、廣播設備等。

接受技術者具備基礎建議（設備）

PC、Server、iOS and Android/Linux-based devices

接受技術者具備基礎建議（專業）

熟悉Visual C＋＋程式語言 熟悉Windows中呼叫DLL的方法

聯絡資訊