现在的语音合成已经到这种水平了吗？ Azure TTS 合成的 Voice 也太自然了

发音人

合成

yunxi

Azure

107 条回复 • 2022-05-07 20:44:51 +08:00

1 2

❮

❯

1

ruib

2021-12-10 10:13:50 +08:00

头一次注意到，连换气声都有

2

set01

2021-12-10 10:20:04 +08:00

Azure 都英文有种 bbc 听力的环节

3

tigerstudent

2021-12-10 10:39:15 +08:00

有点恐怖

4

mikuazusa

2021-12-10 10:41:46 +08:00

这个 TTS 如果去参加普通话考试，估计能秒绝大多数人了

5

Thinginitself

2021-12-10 10:42:35 +08:00

TTS 确实现在越做越好了，感觉以后不仅像真人而且可以模仿特定的人，想想还是很恐怖的，至少在诈骗上就更容易了、

6

Tink

2021-12-10 10:43:29 +08:00

讯飞如果选阅读场景，感觉也还可以

7

aeron

2021-12-10 10:48:14 +08:00

@Thinginitself 现在已经有了，提供几秒录音就能模仿一个人说话，也已经用于诈骗了

8

chairuosen

2021-12-10 10:49:06 +08:00

虚拟 UP+TTS+AI 对话，感觉跟真人一样了

9

soon

2021-12-10 10:51:51 +08:00

太强了，换上新闻稿，感觉跟播音员一样了

10

heylogo

2021-12-10 11:03:13 +08:00

1

再加个虚拟形象，感觉新闻播音员快要下岗了，完全可替代，还不会出错

11

sillydaddy

2021-12-10 11:05:38 +08:00

20

“那个场景实在是太可怕了，我这一辈子也不愿再回想它。我不希望我整天被这个噩梦缠绕。你知道吗，我简直就要崩溃了，实在太可怕了，放过我吧，我不想再去回想它了。
”

上面这段话，Voice 选「晓晓」，style 选「 Fearful 」，读出来真有感情。太可怕了。

不同的 Voice 还是有差异的，有的就平淡无奇。

12

zkhhkz123

2021-12-10 11:06:52 +08:00

1

有点牛逼…… 还能选语气

13

ghjexxka

2021-12-10 11:09:57 +08:00

公司平时的学习会我都是用 edge 开 pdf 让它自己读，还可以调速哈哈哈哈

14

cairnechen

OP

2021-12-10 11:11:30 +08:00

@sillydaddy

有的 Vocie 还有 Role play ，云希选 boy 秒变正太音

15

hydyy

2021-12-10 11:13:05 +08:00

太屌了

16

mx8Y3o5w3M70LC4y

2021-12-10 11:25:46 +08:00

之前试用过一个 chrome 插件，speechify ，声音也很自然。

https://speechify.com/

17

paopaosa

2021-12-10 11:26:39 +08:00

1

在 macOS 里选中文字段落，按 Option+Esc 用 Siri 的朗读也行。记得要选那个“Sir 声音 1”或者“Siri 声音 2”。语气停顿什么的，都非常接近真人了。我经常用这功能来校对。

18

NXzCH8fP20468ML5

2021-12-10 11:30:09 +08:00

正常人不会一口气把一个长句子读完，比如，
Azure: 中国和尼加拉瓜 gov 决定 | 自公报签署之日起 | 相互承认并恢复大使级外交关系。
讯飞：中国国和尼加拉瓜 gov | 决定自公报签署之日起 | 相互承认并恢复大使级外交关系。

但确实不同的 Voice 适应性不同，不同文本同一 Voice 念的也不一样，有时文本接近真人，有些文本机械感还很强。

现在的 TTS 简直可怕啊，很多时候接到推销诈骗电话一下子根本反应不过来是 AI 还是人，一般会打立马断他说话并询问一些随机问题进行判断。

声优失业.jpg

19

cairnechen

OP

2021-12-10 11:32:20 +08:00

@xxfye

我第一次听到云希的声音就觉得像我听的有声小说里的男配音，这种风格的不要太多

20

xiaolaodi

2021-12-10 11:41:42 +08:00

柯南里的变身器可以开始量产了。。。

21

Rwing

2021-12-10 11:43:19 +08:00

惊呆了，后面几个小孩子的声音棒极了

22

d7101120120

2021-12-10 11:52:52 +08:00

云希的 boy 正太音很好听

23

statement

2021-12-10 11:53:04 +08:00

这个要怎么导出来还是要购买服务

24

makelove

2021-12-10 12:00:20 +08:00

非常 OK,不过替代专业播音员那是不可能的，毕竟要做到真人 100%无错水平那还是要真正理解正文内容的。
当然现在做到 95%水平一般非高要求场景用用也可以了，就和 AI 翻译差不多，以大数据深度学习永远不可能达到真人类水平，要搞出真正的强人工智能才行。

25

miyunda

2021-12-10 12:03:16 +08:00

4

我有一个大胆的想法

26

xinghen57

2021-12-10 12:07:14 +08:00 via iPhone

奈何中文不行。
同类还有 amazon 、Google 两家。

27

Scare

2021-12-10 12:13:42 +08:00

真的太强大了

28

shunia

2021-12-10 12:20:56 +08:00

选中文的话，如果文本里有英文还是有点尴尬，纯中文的部分都十分恐怖

29

maplerecall

2021-12-10 12:23:03 +08:00 via Android

是的，我之前把手机导航的语音都换成 azure 的了，感觉还蛮好的

30

Lemeng

2021-12-10 12:26:22 +08:00

强大挺好的。多多益善

31

haozi1986

2021-12-10 12:28:25 +08:00

其实更期待离线语音合成有一天能够达到这种效果，只不过目前来说希望渺茫

32

linshuizhaoying

2021-12-10 12:31:46 +08:00

这个我拿来搞幼教了调一下三字经播放很圆润

33

FaneLau

2021-12-10 12:34:19 +08:00 via Android

@maplerecall 求教如何把 Android 手机内置的 Google TTS 声音替换成微软的这些

34

xingye163

2021-12-10 12:59:41 +08:00

用了好多年了，不过一直是用来听网络小说，最早 18 年的时候追书神器里的那个梅长苏语音是见到最舒服的，后面倒了，现在微信读书的 AI 语音基本也可以达到真人的 8~90%的程度了

35

xylxAdai

2021-12-10 13:08:44 +08:00

太牛了～

36

douglas1997

2021-12-10 13:28:30 +08:00

牛逼

37

lefer

2021-12-10 13:28:56 +08:00

@sillydaddy MD 试听后感觉确实太可怕了。。。TTS 还能选语气，永远不会出错，有声书主播危。

38

lefer

2021-12-10 13:31:35 +08:00

2

“随后，人民币兑美元在岸价和离岸价格迅速下跌。财新网 9 日报导，消息发布后，离岸人民币兑美元短线立刻下跌超过 70 个基点（ BP ），随后连续跌破 6.35 、6.36 、6.37 和 6.38 点位，盘中一度下跌 300 基点；在岸人民币兑美元也迅速下挫，先后跌破 6.35 、6.36 和 6.37 点位。”

上面这段话，Voice 选「晓晓」，style 选「 newscast 」，新闻主播危。

39

lzihua

2021-12-10 14:04:42 +08:00

试了下。绝了。

40

xbiyy

2021-12-10 14:36:53 +08:00

7

女声都是晓 => X 染色体
男声都是云 => Y 染色体

不知道是不是故意的

41

lin98

2021-12-10 14:42:30 +08:00

@xbiyy 角度刁钻

42

guanhui07

2021-12-10 14:49:35 +08:00

真牛逼

43

turan12

2021-12-10 14:51:28 +08:00

我之前用 Azure TTS 撸了一个文本转语音工具，可以移步这里 https://v2ex.com/t/676837

44

AllenHua

2021-12-10 14:54:37 +08:00

https://m.weibo.cn/detail/4712608936231299

我早上看到阮一峰微博就谈及了这个

45

Tumblr

2021-12-10 14:57:05 +08:00

Microsoft Edge 里的 Read Aloud 就是用的这个，若干时间之前我用 read aloud 读文档然后手机录音，放给群里的一群人听，没有人觉得是机器朗读。

46

32

2021-12-10 14:57:59 +08:00

遇到事情的时候他们大概率会站在你这一边

这句话会识别错误概率 -> gai shuai

47

SZP1206

2021-12-10 14:58:21 +08:00

@miyunda 愿闻其详

48

whatalittleboy

2021-12-10 15:17:04 +08:00

@32 “率”字后加空格就好了

49

iVeego

2021-12-10 15:22:10 +08:00 via Android

微软在这里有黑科技

50

zjddp

2021-12-10 15:23:46 +08:00

@miyunda 做黄游吗手动 doge

51

40EaE5uJO3Xt1VVa

2021-12-10 15:31:03 +08:00

这玩意贵不贵，买得多少钱

52

Asuka0947

2021-12-10 15:35:04 +08:00

我突然回想起了，x 站播放的广告，玩一个能让你......，嗯，不知道用的哪家的

53

miniliuke

2021-12-10 15:40:28 +08:00

如果加上语义分析，读出感情......让我们欣赏诗朗诵

54

melvin

2021-12-10 15:40:51 +08:00

为未来 AI 机器人做前期铺垫

55

tomari

2021-12-10 15:43:13 +08:00 via iPhone

B 站上的营销号用的全是这个声音

56

cheese

2021-12-10 15:51:05 +08:00

之前用 edge 浏览器朗诵的时候就发现了，真的是太自然了

57

Alwaysonline

2021-12-10 15:59:14 +08:00

确实有点恐怖，短视频配音可以应用的话，南方人的福音啊。

58

hidemyself

2021-12-10 15:59:20 +08:00

好牛，比我读得好的太多了

59

aikilan

2021-12-10 16:00:33 +08:00

中文你选择那个“云希”发声，真的头皮发麻。

60

wupeng756

2021-12-10 16:05:10 +08:00

文字加上语调和情绪不就和真人差不多了么

61

86091566

2021-12-10 16:08:11 +08:00

感觉还是听得出来是机器人，不过播音员的确有点危险了

62

xiaocongcong

2021-12-10 16:09:41 +08:00

听不得短视频里面那种机器人播报。。。

63

starrys

2021-12-10 16:11:38 +08:00

@whatalittleboy 加空格就有了明显的停顿，你在前面多加几个空格感受下？

64

hahastudio

2021-12-10 16:14:29 +08:00

@32 从来没读错过，但你说了我才发现率是多音字。。。

65

yuhangch

2021-12-10 16:15:57 +08:00

我也能当 up 主了？哈哈😃

66

s127

2021-12-10 16:20:16 +08:00

xiaoxiao + gentle ，播放出来的声音跟“正念冥想 app”的发音一模一样

67

starrys

2021-12-10 16:27:50 +08:00

现在 B 站上已经有很多视频都使用 TTS 生成了。带来的问题是同质化严重、没有特色，不同的 UP 都一个声音就有点腻。

不要对技术太自信了。虽然比以前好很多，还是有明显的机器味。而且，如果用得人多了的话，会出现同质化严重的问题。现在网上的很多视频就是使用 TTS 生成的，听着有点腻。

68

shakoon

2021-12-10 16:28:19 +08:00

不错不错，还有这么丰富的调节选项。突然想起了张亚勤，m$的 tts 应该有很多他的贡献

69

crab

2021-12-10 16:29:18 +08:00

@starrys 那些短视频的电影解说估计也有用这个。

70

hronro

2021-12-10 16:30:12 +08:00

确实厉害啊

71

luojianxhlxt

2021-12-10 16:35:10 +08:00

@maplerecall 大佬，怎么更换啊

72

Unclev21x

2021-12-10 16:49:05 +08:00

@AllenHua 昨天有网友发帖了。今天看评论，谷歌在 17 年就有这个水平了，还吐槽阮一峰平时都不上网的么。

73

DCELL

2021-12-10 17:21:11 +08:00

我有一个大胆的想法，TTS 翻译某个主角为“白洁”的作品，请问犯法么。

74

hronro

2021-12-10 17:37:25 +08:00

@Unclev21x
Google 的有在线演示吗？想看看现在什么水平了

75

yadiman

2021-12-10 17:42:25 +08:00 via iPhone

云希的语音听到想吐。短视频都是这音调的配音。

76

starrys

2021-12-10 17:43:22 +08:00

@DCELL 只想是不犯法的。

77

peanutgao

2021-12-10 17:47:17 +08:00

真的太牛逼了

78

kiotech

2021-12-10 17:51:03 +08:00

1

有人试过读小说吗？比如：“少 X 白洁”

79

www5070504

2021-12-10 17:51:31 +08:00

卧槽我刚把自己写的文档粘贴进去, 这语音几乎完美

提俩小瑕疵 1.念数字的时候有时候音调有问题 2.汉语中带英语的时候停顿稍微有点不对

80

bug123

2021-12-10 17:55:49 +08:00

用来听小黄文应该很棒

81

MXMIS

2021-12-10 17:58:27 +08:00

感觉真的可以以假乱真了

82

stephenyin

2021-12-10 18:08:16 +08:00

5

@miyunda #25 我实现了你的想法
“哦，哦，用力，不要停，啊，啊，啊，啊，啊，我，我快不行了！”
voice：xiaoxuan ，style：fearful ，role：girl ，pitch：1.22

83

johnsona

2021-12-10 18:08:16 +08:00 via iPhone

fastspeech 好的数据训模型打底

84

BestQueffEver

2021-12-10 18:15:41 +08:00

1

如果你关注一些营销号，就会发现微软 TTS 已经大规模应用了。说实话，听多了也就那样，只不过从以前搞笑的机械音变成貌似有感情但依然死板。

85

starrycat

2021-12-10 18:24:08 +08:00 via Android

不同情绪这个很强

86

phytry

2021-12-10 19:02:29 +08:00

0. 0 不知道可不可以免费商用，如果可以的话，那做有声书和动画或者其他需要配音的东西，就简单很多了

87

Gav1n1995

2021-12-10 19:24:59 +08:00

有点牛逼

88

IGJacklove

2021-12-10 19:47:06 +08:00

@sillydaddy 哈哈,选这个模式,然后把文本换成 "啊!不要!不要停!" ,试试,感觉可以去给色情小说配音了.

89

IGJacklove

2021-12-10 19:49:15 +08:00

1

@stephenyin 你这个不行,Voice:XiaoXiao,Speaking style:Fearful.这个比你这个更有感情

90

qdwang

2021-12-10 20:02:35 +08:00 via Android

1

吕小绿家养了红鲤鱼绿鲤鱼和驴。李小莉家养了红驴绿驴和鲤鱼。吕小绿家的红鲤鱼绿鲤鱼和驴要跟李小莉家的红驴绿驴和鲤鱼比一比谁更红谁更绿。吕小绿说他家的绿鲤鱼比李小莉家的绿驴绿，李小莉说她家的绿驴比吕小绿家的绿鲤鱼绿。也不知是吕小绿家的绿鲤鱼比李小莉家的绿驴绿，还是李小莉家的绿驴比吕小绿家的绿鲤鱼绿。绿鲤鱼比绿驴，绿驴比绿鲤鱼。最后，吕小绿要拿绿鲤鱼换李小莉的绿驴，李小莉不愿意用绿驴换吕小绿的绿鲤鱼。红鲤鱼绿鲤鱼和驴，红驴绿驴和鲤鱼。不知是绿鲤鱼比绿驴绿还是绿驴比绿鲤鱼绿。

抛砖引玉