多语言语音合成

英文：Multilingual TTS　分类：multimodal

基本释义

用同一系统合成多种语言语音的 TTS 技术，支持跨语言一致音色与多语种无缝切换，是全球化语音产品的基础。

技术要点

技术：多语言音素映射（统一音素表）、说话人嵌入（跨语言音色保持）、大模型 TTS（VITS 系、CosyVoice 系）；能力：代码切换（中英混说）、口音控制；评测：自然度 MOS、可懂度。

应用场景

用于翻译配音（影视、有声书）、多语言语音助手、跨境电商（多语营销语音）与无障碍；多语言 TTS 让"一个声音说多种语言"成为现实。

返回AI百科目录 · AI最前沿首页

相关词条：扩散模型 · 视觉编码器 · 语音合成 · 情感识别 · 零样本语音合成