詳細解釋
文字轉語音（TTS, Text-to-Speech）是將書面文字轉換為自然語音輸出的技術，讓機器能「朗讀」。
技術組件：
- 文本分析：處理縮寫、數字、多音字
- 語言學處理：確定音素和韻律（語調、節奏）
- 聲學模型：將語言特徵轉為聲學特徵
- 聲碼器：生成最終波形
現代方法：
- 端到端：Transformer架構 (變換器 / 注意力模型) (Switch Transformer)或擴散模型 (擴散生成模型)直接文字→語音
- 聲音克隆：用少量樣本複製特定聲音
- 多說話者：單一模型支援多種聲音
- 情感控制：調整語氣和情感表達
應用場景：
- 語音助手：Siri、Alexa回應
- 導航系統：Google Maps指引
- 有聲書：自動朗讀電子書
- 無障礙輔助：幫助視障閱讀
- 客服系統：IVR語音播報
產品對比：
- 商業：ElevenLabs（最自然）、Amazon Polly、Google Cloud TTS
- 開源：Piper、Coqui、ChatTTS
與語音合成關係：通常同義，語音合成是更廣泛的術語。