語音生成是經過機械的、電子的方法產生人造語音的技能。TTS技能（又稱文語轉化技能）隸屬于語音組成，它是將計算機自己產生的、或外部輸入的文字信息轉變為能夠聽得懂的、流利的漢語白話輸出的技能。采用世界領先的語音組成技能，研制出來的“語音組成助手”軟件能夠完美的完結語音組成作業。

語音生成簡介圖1

概述

語音生成是利用電子計算機和一些專門裝置模擬人，制作語音的技能。

專業技能

語音組成和語音辨認技能是完成人機語音通訊，建立一個有聽和講才能的白話體系所必需的兩項關鍵技能。使電腦具有類似于人相同的說話才能，是當今時代信息產業的重要競爭商場。和語音辨認比較，語音組成的技能相對說來要老練一些，并已開端向產業化方向成功邁進，大規模應用指日可下。

語音生成，又稱文語轉化（Text to Speech）技能，能將恣意文字信息實時轉化為標準流暢的語音朗讀出來，相當于給機器裝上了人工嘴巴。它觸及聲學、言語學、數字信號處理、計算機科學等多個學科技能，是中文信息處理范疇的一項前沿技能，處理的首要問題就是如何將文字信息轉化為可聽的聲響信息，也即讓機器像人相同開口說話。咱們所說的“讓機器像人相同開口說話”與傳統的聲響回放設備（體系）有著實質的差異。傳統的聲響回放設備（體系），如磁帶錄音機，是經過預先錄制聲響然后回放來完成“讓機器說話”的。這種方式無論是在內容、存儲、傳輸或者方便性、及時性等方面都存在很大的限制。而經過計算機語音組成則能夠在任何時候將恣意文本轉化成具有高天然度的語音，然后真正完成讓機器“像人相同開口說話”。

轉化體系

文語轉化體系實際上能夠看作是一個人工智能體系。為了組成出高質量的言語，除了依賴于各種規矩，包含語義學規矩、詞匯規矩、語音學規矩外，還必須對文字的內容有很好的了解，這也觸及到天然言語了解的問題。下圖顯示了一個完整的文語轉化體系示意圖。文語轉化進程是先將文字序列轉化成音韻序列，再由體系根據音韻序列生成語音波形。其間第一步觸及言語學處理，例如分詞、字音轉化等，以及一整套有效的韻律操控規矩；第二步需求先進的語音組成技能，能按要求實時組成出高質量的語音流。因此一般說來，文語轉化體系都需求一套雜亂的文字序列到音素序列的轉化程序，也就是說，文語轉化體系不只要應用數字信號處理技能，并且必須有很多的言語學常識的支撐。