什么是语音合成（TTS）
语音合成（TTS）系统可将文本直接转换成语音，从而用于语音辅助技术当中。在Side，我们会对数据进行收集和编译，并将其用于我们大型技术客户的TTS系统之中。
为了建立TTS的合成模型，我们的客户需要音频、匹配文本以及一些额外有关文本的信息，诸如一些单个词汇的发音等等。所有的这些数据点将被输入用来训练模型，从而使其能够自动输出语音并以准确且清晰的形式朗读出来。如今，TTS技术已被广泛应用于智能手机、智能音箱、视障辅助设备，以及火车站和机场等场所，并且其应用场景还在不断增加。
招募
TTS数据项目的第一阶段就是要招募合格的语言学家。其主要先决条件便是他们必须主修形式语言学，特别是语音和音韵学。他们需要具备使用国际音标（IPA）或类似工具对单词发音进行转录的经验（包括大学项目经验）。我们招募的语言学家还必须是相关语言的母语使用者。
潜在候选人还必需通过由客户设计的、以大量音标发音所构成的筛选测试，以及一场面试。
选择方言
许多语言都具有非常巨大的地区差异性。不过，为了符合TTS系统的使用要求，我们还必须尽可能具体地对相同语言的特殊支系进行筛选。语言学家在选取目标方言以进行数据收集的过程中需要考虑的问题有：
- 新闻广播中使用的是什么方言？
- 首都城市或者大型都市里使用的是什么方言？
- 说话人是否会混用语言（即将两种或更多语言混合在一起说）？
- 同一种语言的书面和口头表达是否不同？
音位和词汇
TTS系统还需要对目标语言进行语言定义。我们的语言学家将帮助对语言中可能存在的音位组（专属的发音）以及那些由标准发音所构成的组合（音位结构）进行明确和定义。
系统将使用该信息和训练数据（音频和匹配文本），从而了解如何将其中的文本转化为发音。我们的目标是建立一个可自动将任何文本转化为发音的数据模型。不幸的是，这并不是一件简单的事情。语言学家们经常需要将词汇的发音清楚地进行转化，特别是那些不常用的词汇、外来语或是那些并不按照常用发音规则进行拼写的词汇。所有的这些拼写和发音都将被收入一个特殊的词典当中，而这就是发音词典。
脚本录制
TTS数据项目的下个阶段就是要准备一份脚本，从而供配音演员进行清楚地朗读并录音。此脚本的目的就是要获取所有该语言所包含的音位组合。我们还需要确保该脚本的阅读简便性。最后，脚本中的每个词汇都必需通过发音检查并被收录在词典之中，从而确保模型能获得高质量的训练数据。
选择配音演员和录制
TTS数据项目倒数第二个阶段就是录制音频。为了达到这个目的，我们需要寻找一名能够以母语朗读目标方言的配音演员。他们还必须是一名不错的视读者，因为脚本中的各行台词都无法进行预览。
随后，被选中的配音演员将录制我们事先准备好的脚本，我们还将在词典中针对发音进行必要的更新（例如，如果配音演员习惯以一种特定方式来阅读一个词，我们就会尽可能确保词典中的相应发音能被更新至与演员发音相近的程度）。
Side专注于在全球范围内为TTS项目认证工作室并搭建专业团队。我们目前已在超过40个地区和语言中进行了配音和录制工作。
TTS的配音和录制与其它类型的旁白制作是非常不一样的。朗读每行台词时，都必须保持发声平稳，甚至需要使用一致的音调和音量。朗读还应尽量自然，避免感情色彩过于强烈。这是为了确保训练数据的一致性，从而让TTS语音输出更加自然流畅。
评估录音
我们的语言学家必需对录音进行评估，从而确保这些音频能够与文本完全匹配，同时确保配音演员发音的正确，使之符合我们词典当中的记录。在这个阶段，我们将在必要时对词典的条目进行更新。
由于一切都是在客户端工具中完成的，因此评估阶段结束时不会存在任何数据泄露情况。一旦我们完成音频质量和准确性评估，Side便会结束处理流程，使客户团队得以对这些新的音频文件进行使用。TTS技术正在成为科技公司推动辅助功能融入产品和服务的关键手段，Side深感荣幸能够参与其中。
制定您的专属策略，将类似于TTS的技术融入您的工作当中并使其发挥效用。同时，我们为您提供免费咨询服务，为您解读与Side合作开展TTS项目将如何助力您的业务发展。