语音合成（TTS）

AI知见编辑部 · 应用形态 · 持续更新

一句话说清

把文字变成真人般的语音朗读。

语音合成，简称TTS，就是让电脑把文字变成声音。你打几个字，它就能像人一样读出来。比如你让手机读小说，或者导航说‘前方左转’，背后都是这个技术。它像是一个‘文字翻译机’，只不过翻出来的是语音。

怎么做到的呢？简单说，电脑先学会每个字怎么读，再学会句子怎么连起来有语调。现在更高级的，还能模仿某个人的声音，甚至带点感情。你可以把它想成‘声音的乐高’，把声音碎片拼起来，拼得越熟练，听起来越自然。

有个常见误解：以为TTS就是录音。其实不是，录音是‘复读机’，TTS是‘即兴演讲’。它没录过的话也能说。所以，别以为听到的声音一定是真人说的，也可能是机器合成的。特别是网上那些‘名人说xxx’的音频，得多留个心眼，别急着信。

给视频配音不用自己开口：魔音工坊中文音色多，Suno则能把词直接唱成歌。

不是。TTS是让机器说话（文字变声音），语音识别是让机器听懂人说话（声音变文字）。就像一个是‘读’，一个是‘听’，正好反过来。

不用懂技术，但得知道有这东西。因为现在网上声音也可能是假的，听到‘熟人’的声音借钱，别急着转，先电话核实一下。