詳細解釋
語音合成（Voice Synthesis，Text-to-Speech，TTS）是將文字轉換為自然語音的AI (人工智能)技術，已達到接近人類的逼真程度。
技術演進：
- 拼接合成：預錄片段拼接（機器感重）
- 參數合成：聲學模型生成
- 神經網絡：端到端深度學習（當前主流）
主流服務：
- ElevenLabs：最逼真的語音克隆
- Azure Speech：微軟企業級服務
- Amazon Polly：AWS生態
- Google Cloud TTS：多語言支援
- OpenAI TTS：高質量，價格合理
應用場景：
- 有聲書：自動生成有聲內容
- 影片配音：YouTube/TikTok旁白
- IVR系統：電話客服語音
- 無障礙：視障人士輔助
- 遊戲/動畫：角色配音
- 播客：AI主持或嘉賓
語音克隆：
- 只需幾分鐘音訊即可複製聲音
- 多語言：一個聲音說多種語言
- 注意：需獲得授權，避免侵權
是內容創作和AI數位商品的重要工具。