从短文稿开始
文本转语音 支持输入文字或导入文本文件,并选择现有音色或参考录音。输入短文稿、选择音色、准备模型并生成,试听后选择可用格式导出。
当前文稿上限为 500 个字符。参考录音文件上限为 25 MB,至少需要 3 秒;超过 15 秒的参考录音会取中间 12 秒再编码。这些是当前实现的限制,不是所有语音服务通用的建议上限。
使用清晰、只有一个说话人的参考录音,并获得使用该声音的许可。参考音色条件不保证完全复现身份或发音;不要用于欺骗性冒充。
语音如何生成
语音由 Pocket TTS 根据所选音色或参考录音生成。参考音频先混合为单声道、重采样为 24 kHz,再生成音色嵌入。文字和所选嵌入共同引导语音合成。
准备、音色编码、合成和导出是不同阶段。先做短文测试,检查完整结果后再用于较长项目。
网站界面的语言不保证所加载语音模型能够流利合成该语言。应先用短文测试发音,尤其是姓名、数字和非英语文字。本页面不提供与云语音 API 相同的 SSML 控制或长文档服务。
比较音色的来源
| 服务 | 音色来源 | 处理与导出的区别 |
|---|---|---|
| Mediatavio | Pocket TTS 合成,使用所选音色或参考音色条件 | 生成短文语音,支持参考音色准备、试听和导出 |
| VoiceGenerator.io | 试听使用浏览器内置的语音合成音色 | 官方页面说明下载音频来自外部 TTS 服务器,因此可能不同于试听音色 |
| Azure Speech / Speech Studio | 官方列出的神经网络音色及受支持的定制音色流程 | 云端服务,需要设置资源,可使用 SDK/API 或无代码 Audio Content Creation;SSML 与语言支持取决于具体音色 |
这些工作流程差异以链接中的官方页面为依据。本文未做听评、发音基准或延迟测试。定制音色权限、定价和声音使用权需单独核实;服务商提供某个音色,不等于允许冒充他人。
检查完整的合成录音
比较服务时使用同一文稿和目标语言。检查发音、漏读、重复、停顿和削波,而不只是第一句。如果试听和下载使用不同引擎,应比较下载文件,不要假定试听代表最终音色。
保存原始文稿及参考声音的授权。如果要转换已有录音的音色,而不是从文字生成新语音,可使用 音色转换;两者是不同任务。