深入解读tts涵义 tts是什么意思( 三 ) _tts

3、人才不足
TTS不仅比不上NLP、CV等流行的AI人才，即使和同样不受欢迎的ASR相比，TTS的人才也少。
4、制作难度
由于技术限制，现阶段不可能有非常完美的TTS效果，所以
1）尽量选择用户期望不苛刻的场景，或者在设计产品体验的时候把用户期望管理好（比如打车软件，郭德纲/林志玲的配音，差不多就够了）。
2）选择“参数法”还是“拼接法”，与公司的技术储备、成本、产品目标有关。
在垂直领域，现有的TTS技术（参数或拼接）可以为产品做好。目前，该行业还没有取得很好的成绩。主要原因是产品经理没有深入参与，还有很多细节要踩（产品设计+工程实现）——未来应该会有惊艳的产品。
3）体验细节设计，与一般互联网产品有很大不同，比如
A) 文案设计很重要；因为在语音交互场景中，不宜过长，用户没有耐心和时间去听。
B) 可以添加背景音乐来掩盖噪音等细节。
C) 对于特殊场景，也有特殊要求。例如，远场场景和耳机场景之间会有差异。
D) 中英文混合TTS 。例如，用户想播放一首英文歌曲，难点在于：在所有中文发音中，很难读懂中英文。为什么？因为倾向于记录的人。录中文是一群人，录英文是一群人。将两种语言结合起来，用机器学习来学习，声音就变得很诡异。对此，小雅音箱花费了大量精力和成本“死战”来解决问题。详情见《傅盛：人工智能的突破点是技术与产品的结合【猎户星发布小雅语音OS】。
5、商业压力
如果有足够的市场竞争力，至少需要12个月，2到6人的团队（如果有人做过前端相关的工作，会节省巨大的成本——工作量主要在中国前线-end NLP部分，如分词、拼音、词性文本的正则化等），百万资金投入（每年1个GPU，10万，仅支持几十个并发）。而且大公司有巨大的先发优势，小公司必须细分场景。
郑重声明：本文版权归原作者所有，转载文章仅出于传播更多信息之目的。如果作者信息标注有误，请尽快联系我们修改或删除，谢谢。