现在的 tts 竟然已经成熟到主播可以失业了

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 715 天前的主题，其中的信息可能已经有所发展或是发生改变。

头条的语音朗读已经可以完全媲美真人了，不光语句断句自然，而且还有声调，感情，角色模拟。我听了十分钟小说才分辨出来这是 tts 简直惊呆了，感觉比很多主播念的都好。以前很多平台的 tts 听起来很好，但是没有角色模拟，没有感情识别，听起来很生硬，但是现在竟然已经进化到这种地步了。不知道背后是头条自己开发的还是买的哪家的服务？

第 1 条附言 · 2021-12-14 21:41:40 +08:00

我很确定不是真人。因为几万本小说不可能一个人去录，你随便找本书，点开来听，温柔大叔和温柔大姐的最逼真。我还特地找了本汉字易错词的书去测，虽然很逼真，但是对多音字还是识别不准。

TTS

主播

模拟

声调

28 条回复 • 2021-12-15 18:18:22 +08:00

Woood

2021-12-14 16:42:56 +08:00

我觉得背后是真人

hronro

2021-12-14 16:45:47 +08:00

没用过头条，有没有视频展示一下有多真实？

alexkkaa

2021-12-14 16:45:58 +08:00 via Android

@Woood 绝对不是前几天有人发微软的 tts ，虽然很好，但是缺乏感情还是有点生硬，但是头条这个完全是跟真人没啥区别。

alexkkaa

2021-12-14 16:47:21 +08:00 via Android

@hronro 你下个番茄小说就可以了这是头条旗下的

fengxing

2021-12-14 17:00:31 +08:00 via Android

讯飞的 tts ，比起真人还是不如的，也不如小娜这种，不过现在已经非常好了。

Tianyan

2021-12-14 17:18:00 +08:00

是不是提前人录音好的

wu67

2021-12-14 17:38:25 +08:00

感觉是提前录好的. 或者你找本冷门的看能不能听? 验证一下

IvanLi127

2021-12-14 17:39:12 +08:00

得看啥样的主播，有的主播还不是几年前的 TTS 呢。

mzlzero

2021-12-14 17:52:12 +08:00

很多短视频的背景音就是这样合成的呀，音色音调都很真实

oreoiot

2021-12-14 17:54:31 +08:00 via iPhone

@Woood https://s2.loli.net/2021/12/14/fvDUcKsGYauhR4i.jpg?width=450&height=494 我也觉得！

Woood

2021-12-14 17:57:13 +08:00

@alexkkaa 本身在这个行业，现在还是只有真人录音的会出色点，tts 头部的厂商是科大

Rheinmetal

2021-12-14 18:11:22 +08:00

确定不是提前录制好的有声小说么...

zhuangjia

2021-12-14 18:48:06 +08:00

部分阅读 APP 如我了解的“起点”，在你点击收听书籍的时候，如果存在对应有声书资源，会自动切换为播放有声书，而不是使用 TTS 。
建议楼主按照 #7 楼的方式验证一下。毕竟 [角色模拟] 这个功能各家 TTS 都没有见宣传过

cmdOptionKana

2021-12-14 18:55:02 +08:00

@alexkkaa 没看懂，你用的是番茄小说还是哪个 app ，为什么会认为是 tts 而不是真人？现在小说很多真人录音的呀。

cmdOptionKana

2021-12-14 19:02:19 +08:00

@alexkkaa 下载了，明白了，是 tts ，那个温柔淑女音确实非常像真人，另外几种角色还是不太行。

cmdOptionKana

2021-12-14 19:04:17 +08:00

@alexkkaa 不对，就是真人，写着“AI 朗读”，但其实混入了真人…… 我真是服了头条

2021-12-14 19:15:50 +08:00 via iPhone

@cmdOptionKana 想起来洗衣机里面有一个人帮你洗衣服那个漫画了

p2pCoder

2021-12-14 20:03:36 +08:00

一堆清北加上一堆显卡
投入很大，智能创作这块还是有些成果
@zhuangjia 抖快腾讯都在 AI 会议上展示过相关产品，不过一般不在 c 端暴露形态
整体来说 tts 以及整个智能创作，这两年随着短视频的兴起，进步的速度是飞快的，不过，人力和显卡的投入是否已经完全能 cover 还是个问题

cmdOptionKana

2021-12-14 20:11:16 +08:00

@p2pCoder 原来如此，可能那个“温柔淑女音”真是 AI ，但由于成本问题只优化了一种音色，质量明显比其他音色好很多，真假难辨。

adeng

2021-12-14 20:44:45 +08:00

@oreoiot 我在车站自助机取票，记不清干什么了，从里边传出来一个声音：你等会，我给你拿出来然后钻出来一个工作人员 😂

ronman

2021-12-14 21:04:03 +08:00 via Android

试试微软的 xiaoxiao

Cielsky

2021-12-14 21:12:34 +08:00 via Android

@alexkkaa 微软的也很难听出来啊，不过的自己稍微调一下

ClericPy

2021-12-14 21:38:22 +08:00

公交车上听那些开抖音的每次都是同一个声音说话, 是 TTS 发出来的么, 感觉很烦

documentzhangx66

2021-12-14 21:44:34 +08:00

楼主对主播可能有一些误解。主播一般是播游戏，或才艺展示，或颜值展示。目前顶流主播大多是游戏主播，这些与 TTS 是没什么关联的。

而且就拿配音行业来说，职业的配音行业，也没 TTS 啥事，因为 TTS 目前做不到职业配音的程度。

TTS 目前主要是方便了抖音或 B 站这类普通视频制作者，以及小说朗读等。在这个方向上，能以很低的成本，获取质量还不错的机械化配音。虽然是机械化配音，但对于大部分普通人来说，足够了。

alexkkaa

2021-12-14 21:47:41 +08:00 via Android

@documentzhangx66 我说的主播是喜马拉雅这种有声书不是 b 站那种。听小说确实不需要那么专业，但是这样的表现已经可以满足 80%使用情景了。

zingl

2021-12-15 03:02:12 +08:00

能离线本地使用么？不然怎么听小黄书

Zien

2021-12-15 09:18:16 +08:00 via iPhone

微信读书有一次我都没听出来，还有一次营销电话也是。

liaoliaojun

2021-12-15 18:18:22 +08:00

声音拟合