项目3-2 让人工智能发声-教学课件

项目三当人工智能学会了听说第2课时

让人工智能发声

授课人：XXX谁是真人？谁是AI？语音1真人/AI?语音2真人/AI?大家能分辨出哪段是真人说的，哪段是人工智能合成的吗？我们身边的语音合成虚拟歌手让虚拟偶像唱出动听的歌曲，打破次元壁，带来独特的视听体验。导航语音播报让导航用你喜欢的声音指引方向，让枯燥的驾驶旅程变得更加亲切有趣。有声小说解放双眼，利用碎片时间随时随地听书，将文字转化为丰富的听觉盛宴。智能音箱回应作为智能家居入口，用自然流畅的语音回答你的问题，让交互变得自然简单。现在的语音合成技术已经非常先进，合成的声音几乎可以以假乱真。语音合成的定义什么是语音合成？语音合成，也叫文本转语音（TTS），就是让机器把文字信息转换成自然流畅的语音信号。如果说语音识别是让机器“听懂”我们的话，那么语音合成就是让机器“学会”说话。它是实现人机语音交互的重要技术之一。TTSTexttoSpeech为什么需要语音合成？实现机器向人类的语音信息传递让机器能够主动地、以最自然的方式向我们播报信息、提供服务，如智能导航、天气播报、智能助手提醒等。与语音识别配合，完成完整交互语音识别(ASR)让机器“听懂”我们的指令，语音合成(TTS)让机器开口“回应”我们。两者结合，构建完整的人机对话闭环。人·发出指令语音识别(ASR)解析语义人机对话闭环机器·语音回应语音合成(TTS)生成声音动手实践：让AI说出你的话活动任务在这个环节，我们将亲自上手体验两款不同技术路线的语音合成工具，并对比它们在音色还原度、断句流畅度以及情感表现力上的差异。任务清单1.基础体验：Windows系统自带的“讲述人”语音合成功能2.进阶对比：百度AI开放平台的语音合成在线接口任务一：让电脑开口说话01新建文本文档在电脑桌面空白处点击鼠标右键，选择“新建”菜单中的“文本文档”选项。02输入VBS代码双击打开新建的文本文档，将指定的VBS语音合成代码复制粘贴进去。（CreateObject（"SAPI.SpVoice"）.Speak"你好"）03修改文件后缀点击保存，将文件名的后缀从默认的“.txt”修改为“.vbs”，完成格式转换。（在对话框的“编码”选项中，将文件编码设置为ANSI）04双击运行回到桌面，双击这个vbs文件。在弹出的对话框中输入任意文本，电脑就会开始朗读。趣味小挑战试试输入不同的标点符号，看看电脑能不能读出情感？

例如：

“今天天气真好啊！”

“你吃饭了吗？”

“我真的不知道。”任务二：体验专业AI语音合成01打开浏览器打开常用浏览器，访问百度AI开放平台并完成登录。02进入演示页在导航栏找到“语音技术”板块，点击进入语音合成在线演示页。03调整参数在控制面板中，自由选择不同的音色，并尝试调整语速和音调数值。04输入文本在下方输入框输入任意文本，点击“合成并播放”按钮，即可聆听效果。💡探索与发现尝试调整不同的参数，对比一下效果有什么不同？可以试着输入同一句话，分别选择“温暖女声”、“沉稳男声”或“可爱童声”，并调整不同的语速（快/慢）和音调（高/低），仔细听听最终生成的语音有什么区别？你更喜欢哪种风格？如何评价语音合成效果？自然度(Naturalness)声音是否流畅自然，语调连贯？听起来没有明显的机械感或电子音，接近真人发音的韵律。情感表现力(Expressiveness)能否理解并传递文本的情感色彩？根据语境读出喜怒哀乐、抑扬顿挫，赋予声音“灵魂”。音色多样性(Diversity)是否支持丰富的声音角色选择？涵盖男声、女声、童声，以及不同年龄、风格的定制化音色。两种语音合成效果对比Windows系统语音合成优点：无需联网、操作简单、占用资源少，适合对语音质量要求不高的本地场景。缺点：声音机械生硬、缺乏情感表现力，且音色种类单一，容易产生听觉疲劳。百度AI语音合成优点：声音自然流畅、具有丰富的情感表现力，音色库资源丰富，可满足多样化需求。缺点：必须依赖网络环境，且部分功能使用门槛相对较高，在网络状况差时可能不稳定。语音合成是如何实现的？01.波形拼接法就像玩拼图一样，把提前录制好的单词、音节或音素等发音片段，根据文本内容挑选并拼接在一起，形成完整的语音流。02.参数合成法不直接使用录音片段，而是通过分析真人语音的声学参数，建立复杂的数学模型，再通过模型计算生成全新的语音波形。不同的合成方法，决定了语音合成的最终效果。方法一：波形拼接法核心原理：语音“拼图”就像玩拼图游戏，将提前录制好的单词或音节“声音片段”，按照文本内容逻辑进行拼接，从而形成连续语句。方法优势发音清晰准确

底层技术门槛低，易实现主要局限语调单一，声音机械

缺乏情感，听感不自然声波波形示意

不同语音片段拥有各自独特的波形特征方法二：参数合成法（主流）01/核心原理通过分析真人语音的音色、基频、共振峰、时长等多维声学参数，建立复杂的数学与深度学习模型，再利用该模型直接计算并合成出全新的、连续的语音波形。✅主要优点合成语音自然度高、富有韵律感；支持灵活调整情感、语速，能精准模仿特定人声。⚠️主要挑战模型结构复杂，训练门槛较高；对海量高质量标注语音数据的依赖程度大。典型应用场景个性化导航语音包·虚拟歌手(Vocaloid)·AI主播总结：今天我们学到了什么？01/核心概念•定义：利用AI技术让机器“开口说话”

•别名：文本转语音(TexttoSpeech,简称TTS)02/生活应用•导航语音、有声书/播客、视频配音

•智能助手（如Siri）、虚拟歌手、无障碍阅读03/两大合成流派•传统方法：波形拼接法(拼接录音片段，生硬不自然)

•主流方法：参数合成法(AI生成参数，更流畅自然)04/效果大比拼•系统自带语音：音色单一、语