谷歌語(yǔ)音生成器（谷歌語(yǔ)音生成器app）

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于谷歌語(yǔ)音生成器的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、谷歌服務(wù)框架具體包括哪些谷歌軟件？

• 2、文字轉(zhuǎn)語(yǔ)音的手機(jī)app，有哪些？

• 3、如何下載Google翻譯發(fā)音

• 4、語(yǔ)音合成簡(jiǎn)介 Text-to-speech

一、谷歌服務(wù)框架具體包括哪些谷歌軟件？

谷歌服務(wù)框架軟件具體包括：

GoogleSearch（谷歌搜索）

GoogleDocs（谷歌文檔）

GoogleBooks（谷歌電子書(shū)）

GoogleVoice（谷歌語(yǔ)音）

GoogleSMS（谷歌短信）

GoogleSync（谷歌同步）

GoogleMaps（谷歌地圖）

GoogleStreetView（谷歌街景）

GoogleLatitude（谷歌縱橫）

GoogleReader（谷歌閱讀器）

AndroidMarket（電子市場(chǎng)）

GoogleWallet（谷歌錢包）

iGoogle（個(gè)性化谷歌）

GoogleNews（谷歌新聞）

GoogleCalendar（谷歌日歷）

GoogleEarth（谷歌地球）

GoogleTasks（谷歌日程）

GoogleMapsNavigation（谷歌本地搜索）

GoogleTranslate（谷歌翻譯）

GoogleGoggles（谷歌護(hù)目鏡）

GoogleSkyMap（谷歌星空）

GoogleGroup（谷歌網(wǎng)上論壇）

GoogleAnswer（谷歌問(wèn)答）

GoogleShopper（谷歌購(gòu)物）

擴(kuò)展資料：

谷歌服務(wù)框架是基于GoogleAppEngine，Google在CampfireOne上介紹了一種簡(jiǎn)化創(chuàng)建、運(yùn)行和構(gòu)建伸縮性Web應(yīng)用的工具——GoogleAppEngine。

簡(jiǎn)而言之，GoogleAppEngine允許本地使用Google基礎(chǔ)設(shè)施構(gòu)建Web應(yīng)用，待其完工之后再將其部署到Google基礎(chǔ)設(shè)施之上。

1、非授權(quán)認(rèn)證：免費(fèi)使用Android操作系統(tǒng)，但不能內(nèi)嵌GMS；

2、部分授權(quán)認(rèn)證：內(nèi)嵌部分GMS服務(wù)，但手機(jī)不能打上谷歌的商標(biāo)；

3、完全授權(quán)認(rèn)證：內(nèi)嵌所有的GMS服務(wù)，也可以使用“withGoogle™”的谷歌商標(biāo)；

目前在市面上，只有少數(shù)的手機(jī)廠商通過(guò)了完全授權(quán)認(rèn)證。

谷歌認(rèn)證并不是想象的那么容易，谷歌要根據(jù)廠商的實(shí)力和地區(qū)因素來(lái)考慮認(rèn)證的等級(jí)。

對(duì)于廠商來(lái)說(shuō)，GMS除了可以獲得更多的谷歌服務(wù)權(quán)限之外，還是拉開(kāi)品牌區(qū)隔度的有效手段。

參考資料來(lái)源：百度百科-GoogleAppEngine

參考資料來(lái)源：百度百科-谷歌移動(dòng)服務(wù)

二、文字轉(zhuǎn)語(yǔ)音的手機(jī)app，有哪些？

首先，在百度或者谷歌搜索標(biāo)貝悅讀，出現(xiàn)個(gè)這個(gè)。

打開(kāi)鏈接，就出來(lái)一個(gè)這個(gè)。

頁(yè)面感覺(jué)還是比較簡(jiǎn)單明了的。

然后，我就把自己準(zhǔn)備好的一段文字復(fù)制上，再選擇適合我文字內(nèi)容的聲音，打個(gè)對(duì)勾點(diǎn)擊確認(rèn)就行了。

這里有個(gè)好玩的事情，點(diǎn)擊箭頭按鈕，文字就變成了這個(gè)顏色，然后你就可以聽(tīng)了，如果你想試聽(tīng)一段文字，那可以點(diǎn)擊右上角的試聽(tīng)。

就如果文字有多音的、數(shù)字的讀法，你也可以進(jìn)行修改。

當(dāng)然，它還有一個(gè)多角色合成的窗口，你可以選擇不同的文字匹配不同的聲音，這個(gè)就比較適合對(duì)話的那種文案了。（不同的聲音會(huì)有不同的顏色，哈哈，這個(gè)也是可愛(ài)的一匹?。?/p>

最后，聽(tīng)完覺(jué)得聲音沒(méi)有問(wèn)題，就點(diǎn)擊右下角下載，然后彈出來(lái)一個(gè)窗口，可以修改備注標(biāo)題啥的，反正確定就行了。

（生成速度，秒來(lái)形容吧！哈哈哈，也是比較快的那種吧?。?/p>

然后你就可以用生成的語(yǔ)音做視頻或者放在公眾號(hào)文章就ok了！

因?yàn)槭墙o大家介紹這個(gè)，不夠詳細(xì)的話，我就把之前生成的視頻發(fā)出來(lái)大家聽(tīng)下吧！我個(gè)人感覺(jué)，語(yǔ)感還是不錯(cuò)的，音色也比較好，里面也有幾十個(gè)聲音，還算全，不同類型的稿件都能覆蓋倒是。

在這里嘗試一下吧！https://yuedu.data-baker.com/index.html?source=zhihu02

它最大的特點(diǎn)是里面的優(yōu)質(zhì)朗讀員很多，能模仿葛優(yōu)葛大爺、蠟筆小新的聲音來(lái)朗讀（或者說(shuō)配音），這個(gè)可以說(shuō)是很值錢的聲音了，然而可以免費(fèi)用！另外還有彬哥這種適用于讀新聞的朗讀員，燕燕這種適合做廣告配音的女聲朗讀員。

上面都是普通話，還有非普通話的：湖南話、河南話、粵語(yǔ)、陜西話、東北話、四川話等各地方言、英文朗讀員，可以滿足很多個(gè)性場(chǎng)景的需求。目前想到的，做視頻配音、自媒體FM、教育教學(xué)、廣告制作、公文通知都沒(méi)有問(wèn)題。

小程序支持拍圖取字、微信朗讀、粘貼文字這三種導(dǎo)入文字的方式。其中我個(gè)人覺(jué)得最值錢的就是拍圖取字的導(dǎo)入方式，這個(gè)里面應(yīng)用的OCR技術(shù)據(jù)我所知是要收費(fèi)的，然而小程序能免費(fèi)用，省下了不少打字的煩惱，不過(guò)我試用了一下，發(fā)現(xiàn)里面是不能拍手寫(xiě)文字的，暫時(shí)只能識(shí)別印刷體，期待以后有更大的進(jìn)步。

市面上很多文字轉(zhuǎn)語(yǔ)音工具都是用完即走，但訊飛快讀里面有個(gè)朗讀集的功能，可以免費(fèi)幫你保存之前制作過(guò)的音頻，不過(guò)吧，這東西就像云盤，容量總是有限的，所以你想要珍藏的音頻最好還是下載成MP3保存?；蛘呒皶r(shí)刪掉一些不想要的。

親，很簡(jiǎn)單的有很多哦！就讓小虎哥哥給你推薦一個(gè)方法吧！搜狗輸入法里面有一個(gè)麥克風(fēng)的按鈕，長(zhǎng)按就可以說(shuō)話了，并且會(huì)變成文字輸入到對(duì)話框哦！如果你需要輸入很多的話，建議使用備忘錄中輸入完之后修改后再發(fā)出去哦！其實(shí)像百度、訊飛、小米等很多輸入法都支持這個(gè)功能哦！

廢話不多說(shuō)，直接上干貨！

很多人喜歡利用碎片時(shí)間學(xué)習(xí)，或者希望解放眼睛，利用耳朵來(lái)提高效率。所以才有文字轉(zhuǎn)語(yǔ)音功能的需求，雖然題主是想要APP，但是咱們重點(diǎn)在解決問(wèn)題，所以下面APP和小程序都會(huì)介紹。

1.微軟聽(tīng)聽(tīng)文檔

這個(gè)小程序是微軟旗下產(chǎn)品，微軟的技術(shù)大家懂的，非常棒，很安心。

找到方式：微信-發(fā)現(xiàn)-小程序，搜索“微軟聽(tīng)聽(tīng)文檔”即可找到。

它最棒的地方在于不光能轉(zhuǎn)化文檔，還能把喜歡的公眾號(hào)文章轉(zhuǎn)化為語(yǔ)音。

2.訊飛快讀

對(duì)，沒(méi)辦法，遇到語(yǔ)音類的軟件是離不開(kāi)的科大訊飛的。這個(gè)也是一款小程序，不過(guò)PC端有網(wǎng)頁(yè)版，地址是：https://www.ffkuaidu.com/

文字轉(zhuǎn)化過(guò)來(lái)的人聲非常逼真，幾乎可以 以假亂真，提供MP3下載。

3.文字轉(zhuǎn)語(yǔ)音助手

這是一款非常有用的APP，提供文字轉(zhuǎn)語(yǔ)音功能?？梢悦赓M(fèi)試用。

如果有一定的編程基礎(chǔ)，其實(shí)可以去訊飛開(kāi)放平臺(tái)、百度開(kāi)放平臺(tái)，有免費(fèi)包可領(lǐng)。

看到樓上有大兄弟提問(wèn)：有沒(méi)有很人性很良心的文字轉(zhuǎn)語(yǔ)音app？

我可以告訴你是有的。找找科大訊飛出品的這款小程序： 訊飛快讀

樓上也有大兄弟說(shuō)訊飛的配音app讓人挺鬧心，不過(guò)這一次，我們不會(huì)再讓你們失望了。

免去各種注冊(cè)下載安裝的麻煩事

因?yàn)橛嶏w快讀是一款 基于微信環(huán)境 的小程序，所以您第一次打開(kāi)的時(shí)候，只要輕輕點(diǎn)一下登陸確認(rèn)就行了，不用輸入賬號(hào)密碼，也不用另外下載軟件浪費(fèi)您的內(nèi)存。

相當(dāng)于是褪下了很多繁瑣的外衣。

不收費(fèi)！大部分功能都免費(fèi)開(kāi)放！

目前大部分的配音app都是要收費(fèi)的，畢竟開(kāi)發(fā)成本挺高，但這個(gè)小程序里面的基本功能都是免費(fèi)，包括 OCR拍圖取字、微信文本識(shí)別、各種優(yōu)質(zhì)的朗讀員 ，都不用收你的錢。開(kāi)發(fā)者一直在做虧本生意，為的就是用戶能有一個(gè)完整的體驗(yàn)。

不過(guò)，因?yàn)樗⑵良?jí)操作會(huì)把開(kāi)發(fā)者的錢包掏空，哪天項(xiàng)目倒閉了訊飛快讀就不能玩了，所以還是有一些次數(shù)限制的，大概就是限制100次這種程度。

界面功能一目了然

主界面3步就可以完成語(yǔ)音朗讀：

1、導(dǎo)入文字：支持 拍圖朗讀、微信朗讀、粘貼文字 三種導(dǎo)入方式

拍圖朗讀就是OCR文字識(shí)別，不過(guò)現(xiàn)在只能識(shí)別印刷體，手寫(xiě)的還需要開(kāi)發(fā)者多努力一把。微信朗讀可以直接搜索微信文章進(jìn)行朗讀。粘貼文字方便想從電腦往手機(jī)上導(dǎo)入文字的同學(xué)。目前一次識(shí)別的字?jǐn)?shù)限制在6000字，可以滿足多媒體音頻制作、絕大多數(shù)微信文章朗讀的場(chǎng)景。

小程序支持多個(gè)不同特色的 朗讀員 ，其中葛大爺、蠟筆小新是明星朗讀員，中文朗讀員可以基本滿足多個(gè)不同場(chǎng)景的需要，另外還有粵語(yǔ)、河南話、湖南話、四川話等多地的方言朗讀員，兩位英文朗讀員，聲音都來(lái)自訊飛的音庫(kù)，使用明星朗讀員只要說(shuō)明來(lái)源就不用擔(dān)心版權(quán)的問(wèn)題。

另外您可以在小程序里面選擇背景音、調(diào)整語(yǔ)速和音量到你想要的最佳效果。

3、點(diǎn)擊開(kāi)始朗讀合成音頻：

點(diǎn)擊開(kāi)始朗讀之后，會(huì)進(jìn)入這個(gè)導(dǎo)出音頻的界面，在這里可以替換背景模板，有意思的是，可以在微信里面直接 發(fā)送給好友、生成收聽(tīng)圖、保存為MP3文件 （發(fā)送到郵箱）。

收聽(tīng)圖是可以 自定義封面 的！所以你想做廣告宣傳，發(fā)一張有聲圖片讓大家掃碼進(jìn)去收聽(tīng)；或者是發(fā)有意思的有聲新年祝福圖，小程序都能實(shí)現(xiàn)。

朗讀集存儲(chǔ)過(guò)去的記錄

樓上有大兄弟說(shuō)某些配音app不會(huì)幫你保存內(nèi)容，訊飛快讀也貼心地給用戶做了一個(gè)朗讀集的頁(yè)面，能保存最近制作過(guò)的幾百條朗讀內(nèi)容，每一條都支持修改和刪除。

剪映里面有字幕轉(zhuǎn)語(yǔ)音的功能，是免費(fèi)的，你可以自己寫(xiě)文字，轉(zhuǎn)出語(yǔ)音后把音頻提取出來(lái)就可以了

提問(wèn)者您好，對(duì)于你的問(wèn)題，我有一個(gè)簡(jiǎn)單的方法實(shí)現(xiàn)，具體步驟如下:

所需APP: 剪映 視頻音頻轉(zhuǎn)換器

1.打開(kāi)剪映，點(diǎn)擊開(kāi)始創(chuàng)作，選擇一張圖片，添加到項(xiàng)目

2.點(diǎn)擊下方工具欄中的文本，點(diǎn)擊新建文本，輸入你需要轉(zhuǎn)成語(yǔ)音的文字，點(diǎn)擊對(duì)勾

3.點(diǎn)擊下方工具欄中的文本朗讀，即可生成語(yǔ)音，點(diǎn)擊導(dǎo)出會(huì)保存這段帶語(yǔ)音的視頻到你的相冊(cè)里

4.打開(kāi)視頻音頻轉(zhuǎn)換器，點(diǎn)擊視頻轉(zhuǎn)音頻，選擇剛剛導(dǎo)出的視頻點(diǎn)擊下一步，再點(diǎn)擊右下角convert，制作完成

這種方法方便快捷，只需手機(jī)就可以輕松完成，隨時(shí)隨地都可以制作音頻，而且剪映的語(yǔ)音生成語(yǔ)調(diào)比較自然，容易學(xué)習(xí)和使用，是非常好的旋轉(zhuǎn)

下面的視頻教程是制作的詳細(xì)步驟

希望我的回答可以幫助到您

小佳敬上

當(dāng)然有的，在電腦上我常用語(yǔ)音合成助手。手機(jī)上我用訊飛配音，訊飛配音和配音閣基本上是一個(gè)軟件，頁(yè)面打開(kāi)后和設(shè)置菜單都是一樣的，我常用來(lái)做廣告，里邊兒的聲音還是挺全的。推薦給你。你可以試一下

謝謝悟空邀請(qǐng)

下載“在線文字轉(zhuǎn)語(yǔ)音.免費(fèi)轉(zhuǎn)語(yǔ)音，百度廣播”。這個(gè)APP 相當(dāng)好用，我是一直在用這個(gè)。

訊飛輸入法

三、如何下載Google翻譯發(fā)音

1

用chrome瀏覽器（其他帶調(diào)試工具的瀏覽器也行）打開(kāi)谷歌翻譯，按F12打開(kāi)調(diào)試工具，點(diǎn)擊Network選項(xiàng)卡；

2

在谷歌翻譯中輸入要發(fā)聲的文字，點(diǎn)擊朗讀，這時(shí)調(diào)試工具左邊Name

path一欄中會(huì)生成一個(gè)translate_tts的異步請(qǐng)求（最下面的一個(gè)為最新），點(diǎn)擊，右邊會(huì)顯示請(qǐng)求信息，在headers選項(xiàng)卡下面會(huì)有一個(gè)Request

URL:，復(fù)制后面的地址，在地址欄中粘貼復(fù)制下來(lái)的地址，打開(kāi)，這時(shí)就會(huì)播放你要翻譯的聲音，contrl+s保存，ok，搞定

四、語(yǔ)音合成簡(jiǎn)介 Text-to-speech

這篇博客的主要內(nèi)容是對(duì)語(yǔ)音合成 （text to speech）的背景知識(shí)進(jìn)行介紹。 希望可以讓讀者通俗易懂的了解語(yǔ)音合成的工作原理， 并對(duì)為了理解state-of-the-art text to speech 的算法做基礎(chǔ)。

這個(gè)簡(jiǎn)介主要基于這篇論文 “Wavenet: a generative model for raw audio”的附錄介紹的。 論文鏈接如下： https://arxiv.org/pdf/1609.03499.pdf , 以及stanford CS224S的課程， 鏈接如下 http://web.stanford.edu/class/cs224s/lectures/224s.17.lec14.pdf

語(yǔ)音合成是通過(guò)文字人工生成人類聲音， 也可以說(shuō)語(yǔ)音生成是給定一段文字去生成對(duì)應(yīng)的人類讀音。 這里聲音是一個(gè)連續(xù)的模擬的信號(hào)。而合成過(guò)程是通過(guò)計(jì)算機(jī)， 數(shù)字信號(hào)去模擬。 這里就需要數(shù)字信號(hào)處理模擬信號(hào)信息，詳細(xì)內(nèi)容可參考 [1]。

圖片1， 就是一個(gè)例子用來(lái)表示人類聲音的信號(hào)圖。 這里橫軸是時(shí)間， 縱軸是聲音幅度大小。聲音有三個(gè)重要的指標(biāo)， 振幅（amplitude） , 周期（period） 和 頻率（frequency） 。 振幅指的是波的高低幅度，表示聲音的強(qiáng)弱，周期和頻率互為倒數(shù)的關(guān)系， 用來(lái)表示兩個(gè)波之間的時(shí)間長(zhǎng)度，或者每秒震動(dòng)的次數(shù)。  而聲音合成是根據(jù)聲波的特點(diǎn)， 用數(shù)字的方式去生成類似人聲的頻率和振幅， 即音頻的數(shù)字化。了解了音頻的數(shù)字化，也就知道了我們要生成的目標(biāo)函數(shù)。

音頻的數(shù)字化主要有三個(gè)步驟。

取樣（sampling） ：在音頻數(shù)字化的過(guò)程，采樣是指一個(gè)固定的頻率對(duì)音頻信號(hào)進(jìn)行采樣， 采樣的頻率越高， 對(duì)應(yīng)的音頻數(shù)據(jù)的保真度就越好。 當(dāng)然， 數(shù)據(jù)量越大，需要的內(nèi)存也就越大。 如果想完全無(wú)損采樣， 需要使用Nyquist sampling frequency， 就是原音頻的頻率2倍。

量化 （quantization） ： 采樣的信號(hào)都要進(jìn)行量化， 把信號(hào)的幅度變成有限的離散數(shù)值。比如從0 到 1， 只有 四個(gè)量化值可以用0， 0.25， 0.5， 0.75的話， 量化就是選擇最近的量化值來(lái)表示。

編碼 （coding ）：編碼就是把每個(gè)數(shù)值用二進(jìn)制的方式表示， 比如上面的例子， 就可以用2bit 二進(jìn)制表示, 00, 01, 10, 11。 這樣的數(shù)值用來(lái)保存在計(jì)算機(jī)上。

采樣頻率和采樣量化級(jí)數(shù)是數(shù)字化聲音的兩個(gè)主要指標(biāo)，直接影響聲音的效果。 對(duì)于語(yǔ)音合成也是同樣， 生成更高的采樣頻率和更多多的量化級(jí)數(shù)（比如16 bit）, 會(huì)產(chǎn)生更真實(shí)的聲音。  通常有三個(gè)采樣頻率標(biāo)準(zhǔn)

1. 44.1kHz 采樣， 用于高品質(zhì)CD 音樂(lè)

2. 22.05kHz 采樣， 用于語(yǔ)音通話， 中品質(zhì)音樂(lè)

3 . 11.025kHz 采樣， 用于低品質(zhì)聲音。

而量化標(biāo)準(zhǔn)一般有8位字長(zhǎng)（256階）低品質(zhì)量化 和16位字長(zhǎng)（65536階）高品質(zhì)量化。

還有一個(gè)重要參數(shù)就是通道（channel）, 一次只采樣一個(gè)聲音波形為單通道， 一次采樣多個(gè)聲音波形就是多通道。

所以在語(yǔ)音合成的時(shí)候，產(chǎn)生的數(shù)據(jù)量是 數(shù)據(jù)量=采樣頻率* 量化位數(shù)*聲道數(shù) ， 單位是bit/s。 一般聲道數(shù)都假設(shè)為1.。 采樣率和量化位數(shù)都是語(yǔ)音合成里的重要指標(biāo)，也就是設(shè)計(jì)好的神經(jīng)網(wǎng)絡(luò)1秒鐘必須生成的數(shù)據(jù)量 。

文本分析就是把文字轉(zhuǎn)成類似音標(biāo)的東西。 比如下圖就是一個(gè)文本分析，用來(lái)分析 “PG&E will file schedules on April 20. ” 文本分析主要有四個(gè)步驟， 文字的規(guī)范化， 語(yǔ)音分析， 還有韻律分析。 下面一一道來(lái)。 

文本分析首先是要確認(rèn)單詞和句子的結(jié)束。 空格會(huì)被用來(lái)當(dāng)做隔詞符. 句子的結(jié)束一般用標(biāo)點(diǎn)符號(hào)來(lái)確定， 比如問(wèn)號(hào)和感嘆號(hào) （？?。? 但是句號(hào)有的時(shí)候要特別處理。 因?yàn)橛行﹩卧~的縮寫(xiě)也包含句號(hào)， 比如 str. "My place on Main Str.  is around the corner". 這些特別情況一般都會(huì)采取規(guī)則（rule）的方式過(guò)濾掉。

接下來(lái) 是把非文字信息變成對(duì)應(yīng)的文字， 比如句子中里有日期， 電話號(hào)碼， 或者其他阿拉伯?dāng)?shù)字和符號(hào)。 這里就舉個(gè)例子， 比如， I was born April 14. 就要變成， I was born April fourteen.  這個(gè)過(guò)程其實(shí)非常繁瑣，現(xiàn)實(shí)文字中充滿了 縮寫(xiě)，比如CS,  拼寫(xiě)錯(cuò)誤， 網(wǎng)絡(luò)用語(yǔ)， tmr --> tomorrow. 解決方式還是主要依靠rule based method， 建立各種各樣的判斷關(guān)系來(lái)轉(zhuǎn)變。

語(yǔ)音分析就是把每個(gè)單詞中的發(fā)音單詞標(biāo)出來(lái)， 比如Fig. 3 中的P, 就對(duì)應(yīng)p和iy, 作為發(fā)音。 這個(gè)時(shí)候也很容易發(fā)現(xiàn)，發(fā)音的音標(biāo)和對(duì)應(yīng)的字母 不是一一對(duì)應(yīng)的關(guān)系，反而需要音標(biāo)去對(duì)齊 （allignment）。 這個(gè)對(duì)齊問(wèn)題很經(jīng)典， 可以用很多機(jī)器學(xué)習(xí)的方法去解決， 比如Expectation–maximization algorithm.

韻律分析就是英語(yǔ)里的語(yǔ)音語(yǔ)調(diào)， 漢語(yǔ)中的抑揚(yáng)頓挫。 我們還是以英語(yǔ)為例， 韻律分析主要包含了： 重音 (Accent)，邊界 (boundaries),  音長(zhǎng) (duration)，主頻率 (F0).

重音（Accent） 就是指哪個(gè)音節(jié)發(fā)生重一點(diǎn)。 對(duì)于一個(gè)句子或者一個(gè)單詞都有重音。 單詞的重音一般都會(huì)標(biāo)出來(lái)，英語(yǔ)語(yǔ)法里面有學(xué)過(guò)， 比如banana 這個(gè)單詞， 第二個(gè)音節(jié)就是重音。 而對(duì)于句子而言，一樣有的單詞會(huì)重音，有的單詞會(huì)發(fā)輕音。 一般有新內(nèi)容的名詞， 動(dòng)詞， 或者形容詞會(huì)做重音處理。 比如下面的英語(yǔ)句子， surprise 就會(huì)被重音了， 而句子的重音點(diǎn)也會(huì)落到單詞的重音上， 第二個(gè)音節(jié)rised, 就被重音啦。 英語(yǔ)的重音規(guī)則是一套英語(yǔ)語(yǔ)法，讀者可以自行百度搜索。

I’m a little sur prised to hear it cha racterized as up beat .

邊界 （Boundaries） 就是用來(lái)判斷聲調(diào)的邊界的。 一般都是一個(gè)短語(yǔ)結(jié)束后，有個(gè)語(yǔ)調(diào)的邊界。 比如下面的句子， For language, 就有一個(gè)邊界， 而I 后面也是一個(gè)邊界.

For language, I , the author of the blog, like Chinese.

音長(zhǎng)（Duration） 就是每個(gè)音節(jié)的發(fā)聲長(zhǎng)度。 這個(gè)通俗易懂。 NLP 里可以假定每個(gè)音節(jié)單詞長(zhǎng)度相同都是 100ms, 或者根據(jù)英語(yǔ)語(yǔ)法， 動(dòng)詞， 形容詞之類的去確定。 也可以通過(guò)大量的數(shù)據(jù)集去尋找規(guī)律。

主頻率 （F0 ）就是聲音的主頻率。  應(yīng)該說(shuō)做傅里葉轉(zhuǎn)換后， 值 (magnitude) 最大的那個(gè)。 也是人耳聽(tīng)到聲音認(rèn)定的頻率。一個(gè)成年人的聲音主頻率在 100-300Hz 之間。 這個(gè)值可以用 線性回歸來(lái)預(yù)測(cè)， 機(jī)器學(xué)習(xí)的方法預(yù)測(cè)也可以。一般會(huì)認(rèn)為，人的聲音頻率是連續(xù)變化的，而且一個(gè)短語(yǔ)說(shuō)完頻率是下降趨勢(shì)。

文本分析就介紹完了，這個(gè)方向比較偏語(yǔ)言學(xué)， 傳統(tǒng)上是語(yǔ)言學(xué)家的研究方向，但是隨著人工智能的興起，這些feature 已經(jīng)不用人為設(shè)計(jì)了，可以用端到端學(xué)習(xí)的方法來(lái)解決。 比如谷歌的文章 TACOTRON: TOWARDS END-TO-END SPEECH SYNTHESIS 就解救了我們。

https://arxiv.org/pdf/1703.10135.pdf

這個(gè)部分就比較像我們算法工程師的工作內(nèi)容了。 在未來(lái)的博客里， 會(huì)詳細(xì)介紹如何用Wavenet 和WaveRNN 來(lái)實(shí)現(xiàn)這一步驟的。 今天這個(gè)博客就是簡(jiǎn)介一下算法。

這里說(shuō)所謂的waveform synthesis 就是用這些 語(yǔ)言特征值（text features）去生成對(duì)應(yīng)的聲波，也就是生成前文所說(shuō)的采樣頻率 和 振幅大?。▽?duì)應(yīng)的數(shù)字信號(hào)）。 這里面主要有兩個(gè)算法。

串接合成（concatenative speech synthesis） ： 這個(gè)方法呢， 就是把記錄下來(lái)的音節(jié)拼在一起來(lái)組成一句話，在通過(guò)調(diào)整語(yǔ)音語(yǔ)調(diào)讓它聽(tīng)起來(lái)自然些。 比較有名的有雙音節(jié)拼接（Diphone Synthesis） 和單音節(jié)拼接（Unit Selection Synthesis）。這個(gè)方法比較繁瑣， 需要對(duì)音節(jié)進(jìn)行對(duì)齊（alignment）， 調(diào)整音節(jié)的長(zhǎng)短之類的。

參數(shù)合成 （Parametric Synthesis） ： 這個(gè)方法呢， 需要的內(nèi)存比較小，是通過(guò)統(tǒng)計(jì)的方法來(lái)生成對(duì)應(yīng)的聲音。 模型一般有隱馬爾科夫模型 （HMM），還有最近提出的神經(jīng)網(wǎng)絡(luò)算法Wavenet, WaveRNN. 

對(duì)于隱馬爾科夫模型的算法， 一般都會(huì)生成梅爾頻率倒譜系數(shù) （MFCC），這個(gè)是聲音的特征值。 感興趣的可以參考這篇博客 去了解 MFCC。

https://www.cnblogs.com/BaroC/p/4283380.html

對(duì)于神經(jīng)網(wǎng)絡(luò)的算法來(lái)說(shuō)， 一般都是生成256 個(gè) quantized values 基于softmax 的分類器， 對(duì)應(yīng) 聲音的 256 個(gè)量化值。 WaveRNN 和wavenet 就是用這種方法生成的。

下面是我學(xué)習(xí)語(yǔ)音合成的一些資料， 其中stanford cs224s 是強(qiáng)力推薦的，但是這個(gè)講義講的邏輯不是很清楚， 要反復(fù)看才會(huì)懂。

UCSB Digital Speech Processing Course 課程, 聲音信號(hào)處理的基礎(chǔ)。 建議讀一遍， 鏈接如下，  https://www.ece.ucsb.edu/Faculty/Rabiner/ece259/

Stanford CS224S http://web.stanford.edu/class/cs224s/

WaveRNN,  https://arxiv.org/pdf/1609.03499.pdf

音頻的數(shù)字化， https://wenku.baidu.com/view/68fbf1a4f61fb7360b4c658b.html

以上就是關(guān)于谷歌語(yǔ)音生成器相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。

推薦閱讀：

怎么樣才能進(jìn)入谷歌商店（怎么才能進(jìn)去谷歌商店）

谷歌收徒（谷歌搜圖怎么用）

深圳谷歌搜索代理（深圳谷歌搜索代理怎么樣）

青海省快手網(wǎng)紅排行榜（青?？焓志W(wǎng)紅排名第一是誰(shuí)）

互聯(lián)網(wǎng)營(yíng)銷師證書(shū)怎么報(bào)名（互聯(lián)網(wǎng)營(yíng)銷師證書(shū)怎么報(bào)名的）