时间戳

首页 > 解决方案 > 创建文本到语音变体的最佳方法

text-to-speech - 创建文本到语音变体的最佳方法

问题描述

我需要至少 3/4 种不同的 tts 声音，但不幸的是我只有一种声音。

这是因为我只有一个意大利神经声音（迭戈），其他都是标准声音，质量要差得多。

最终目标是为至少 3/4 人创建配音，但我无法使用某些确切的配音。

出于这个原因，我喜欢创建一些变体，由我拥有的唯一一个神经声音开始，它给人的印象是其他人的声音，所有这一切看起来都不自然。

实际上，我有 Adob​​e Audition、Audacity、Ircam Trax、ffmpeg，除此之外，我可以将 SSML 与 API 一起使用（在本例中为 Microsoft Azure）。

我不知道有什么效果以及在什么情况下使用它而不损坏声音。

简而言之，我问如果我能获得更好的结果，使用我拥有的软件或其他软件的最佳方法是什么。

谢谢 ！

标签： text-to-speechweb-audio-apimicrosoft-cognitiveaudio-processing

解决方案

你用什么语言？如果您使用英语，我相信您可以找到超过 3-4 个神经语音。有 en-US、en-GB、en-CA、en-AU 神经声音，听起来都很自然。

您还可以使用 SSML 调整音高以使声音听起来不同。

如果您想创建不同的声音，请使用您的语音数据（或您的语音天赋）尝试 customvoice.ai。

或者，您正在寻找的特定“差异”是什么？

推荐阅读