现在是否已经有文本阅读达到真人效果的技术

[davinci21s]

刷抖音看到很多不同的内容解说，但是发音听起来像是同一个人，猜测是用了文本阅读技术，解说的很自然，听起来

就是真人发音，但是以往的印象文本阅读都是很有机器人味道的，不自然，没有感情。

所以说现在是技术进步了？

[superrichman]

用的是微软的 tts ，你用 edge 浏览器就能体验到。

[vbs]

你试试这个页面里面的 demo ，自然就知道了： https://azure.microsoft.com/zh-cn/products/cognitive-services/text-to-speech/#features

[vbs]

而且可以更换说话风格哟，比如可以用“惊恐”得语调阅读

[cmdOptionKana]

是，番茄小说的 AI 朗读技术真的吓到我了，可以有男女老少不同角色，可以选择东北话、四川话之类的发音习惯，而且每句话还可以有愤怒、愉悦、冷漠等不同的语气，而这些，都是用 AI 做的（不知道其中人工标记工作量大不大）。

但是，只有少量书有多角色 AI ，我猜高质量的 AI 阅读渲染成本比较高，但能做出来，而且已经商用了。

但是也有难点没有克服，主要就是中文里的多音字，这个是重灾区，经常念错。

[davinci21s]

@superrichman thx
@vbs 刚刚试了一下，确实很像。

[LZSZ]

见过手动设置角色语音的 demo ， 但是小说要是手动设置的话那也太痛苦了。

[kingjpa]

除了生僻字，多音字， 其他已经远超你的想象了。远比 siri 和小爱哪这种强得多

[zlzhdark]

你听到的绝对是微软文本转语音，声优还必须是云希

[GuuJiang]

注意看，这个男人叫小帅

[eason1874]

角色选播音主持人，已经可以做到听不出来跟真实主持人的区别

其他角色还是不太行，单摘几句出来可以说跟真人一模一样，但是一大段还是能听出来是 AI ，因为 AI 很稳定，而普通人讲话久了是时快时慢的，前后语速和停顿有差异，AI 没有差异就过于完美就缺少真实感了

[TimePPT]

看标题以为讨论的是机器阅读理解，结果是 TTS😂

中文 TTS 的话，其实大多数厂商就是可用水平。效果好的也就是微软和阿里。主要这玩意想调教好烧钱。

[ho121]

还记得上学时的英语磁带么？

[tqyq88]

机器人？
啊,怎么会呢,肯定是员工给你打电话的啦。
我们联通都是经过统一严格的培训的。

[zagfai]

@ho121 那个是真人的吧？

[ZE3kr]

现在每次接到推销电话，我第一句话就问“你是真人吗？”，有时候图省事就直接问“你是人吗？”，不知道有没有冒犯到真的人😂主要还是 AI 太强了

[intelmd]

哈哈，果然是云希！

[dobelee]

某音上见过挺过非常好的 AI ，有的已经几乎听不出机器感，并且音色还非常个性，不过不清楚哪个平台的服务。

[dxgfalcongbit]

我觉得 edge 那个阅读就不错，edge 改内核后这个功能停了一段时间，记得不久前才续上。