Media & 3D · Intermediate
TTS(语音合成)
Text-to-Speech
把写好的文字变成能听的声音,让机器替你念稿,音色、语速和停顿都能调,做旁白和有声内容时最省人的一步。
Some fields on this page have no English version yet — they are shown in the original Chinese.
TL;DRIn 30 seconds
- 把写好的文字变成念出来的声音,机器替你把稿读一遍。
- 音色、语速和停顿都能调,做旁白最省人的一步。
- 重音和情绪仍可能偏,数字和专有名词也容易念错。
OverviewIn detail
TTS 的全称是 Text-to-Speech,中文叫语音合成,做的是一件事:把写好的文字转成朗读出来的人声。你给它一段文案,它还你一段音频,听起来是连续自然的说话声,而不是一个字一个字往外蹦。音色可以挑,语速和停顿也能调。它输出的通常是通用格式的音频文件,可以直接拖进常见的剪辑软件里使用。
需要它的地方,多半是“非读不可”却又“不值得真人念”的场合。课程讲稿、视频旁白、播客、说明书朗读,内容只是要把字念出来,请人录一遍费时费钱,改一次还得重录。它把这件事变成点一下就完成,成本低到可以随手用,改稿也不再心疼。同一个脚本想换语气、换语速再出一版,也几乎不额外花时间和钱。
用的时候一般先选音色,再喂一段参考声音。如果把自己的声音样本提供过去,念出来的内容就能保留本人的音色,也就是常说的声音克隆。做系列视频时固定一个音色,观众才更容易觉得一直是同一个“人”在说话。不少工具还支持一次生成多种语气供比较,挑一版最贴合的再导出。
它最容易被和语音识别搞反。一个是文字变声音,一个是声音变文字,一个出口一个入口,方向刚好相反。另外现在的合成声音在大部分场景已经很像真人,但重音和情绪仍可能偏,数字、专有名词也容易念错,正式发布前值得自己完整听一遍。
MythsCommon misunderstandings
- ✕以为 TTS 和语音识别是一回事 ✓一个把文字变声音,一个把声音变文字,方向刚好相反
- ✕以为合成的声音已经和真人一样稳 ✓多数场景够像了,但重音和情绪仍可能偏,重要场合要听一遍
- ✕以为念错字只能等模型变好 ✓数字和专有名词常出问题,发布前人工改一遍比干等更稳
In practiceWhere you will meet it
- 给课程讲稿挑一个稳的音色,让它把整篇念成音频
- 视频剪好后,把旁白稿贴进去生成一条配音轨道
- 同一个稿子换个语速再生成一版,比比哪版更耐听
SummaryThe key points
- TTS 是文字转语音,让机器替你念稿
- 音色、语速和停顿都能调,适合做旁白和朗读
- 它和语音识别方向相反,一个把文字变声音,一个把声音变文字
FAQ
What does TTS(语音合成) mean?
把写好的文字变成念出来的声音,机器替你把稿读一遍。音色、语速和停顿都能调,做旁白最省人的一步。重音和情绪仍可能偏,数字和专有名词也容易念错。
Where will I run into TTS(语音合成)?
给课程讲稿挑一个稳的音色,让它把整篇念成音频;视频剪好后,把旁白稿贴进去生成一条配音轨道;同一个稿子换个语速再生成一版,比比哪版更耐听。
What do people most often get wrong about TTS(语音合成)?
以为 TTS 和语音识别是一回事 — but 一个把文字变声音,一个把声音变文字,方向刚好相反;以为合成的声音已经和真人一样稳 — but 多数场景够像了,但重音和情绪仍可能偏,重要场合要听一遍。
What are the key points about TTS(语音合成)?
TTS 是文字转语音,让机器替你念稿;音色、语速和停顿都能调,适合做旁白和朗读;它和语音识别方向相反,一个把文字变声音,一个把声音变文字。
Common pitfalls 合成的声音在重音和情绪上仍可能有偏差,重要场合发布前最好人工听一遍。
Entry 129 of 186 · All entries
Keep readingRelated reading
字幕(Subtitle)
视频里叠在画面上、跟着说话内容出现的文字,把听到的话变成能一眼扫过的字。听不清、静音刷手机或看外语视频时都靠它。
分镜(Storyboard)
视频开拍前,把脚本拆成一个个镜头、每个镜头配一张画面草稿的规划动作。它定的是每个镜头拍什么、大概几秒,不是成片效果。
3D 建模(Modeling)
在电脑的三维空间里,把一个物体的立体形状一点点搭出来。有了形状,才能接着做表面材质、打光、渲染和动画。
Three.js(网页 3D 库)
一套让网页直接显示三维画面的 JavaScript 工具库。你不用碰浏览器最底层的图形指令,几行代码就能在网页里放出一个能旋转、会打光的立体场景。
Blender(3D 软件)
一款免费开源的 3D 创作软件,建模、上色、打光、渲染、动画都能在同一个程序里完成。个人和小团队不用花大钱,也能走完整套 3D 流程。
剪映(视频剪辑软件)
国内最常见的视频剪辑软件,手机和电脑都能用,海外版叫 CapCut。拖素材、切时间轴、加字幕、套模板,新手几分钟也能剪出一条能发的视频。
Where to go nextExplore more
Back to the skills themselves
Most of the concepts covered here come from skills that install into your AI client with a single command.