text-to-speech – 有没有办法将语音直接转换为SSML？

正如一个人能够使用各种语音到文本的“听写”工具将口语转换成相应的文本,我想知道是否有类似的工具将口语转换成相应的SSML.也就是说,除了与说话者的声音中存在的任何语调,韵律,暂停/休息,变形等相关的相关SSML标签之外,它还将提供文本.

我致力于构建语音应用程序.在我最近的一个项目中,我们需要文本听起来完全正确,包括所有相关的语调,变形等.
在广泛的研究中,我们发现使文本听起来像真人所说的唯一方法是使用SSML(仍然不完美)或录制的mp3.

如果你想让真实的人感受到一个项目,那么执行它的最好方法就是利用一个人.我建议你录制mp3(/由专业人员录制),而不是试图从语音中获取SSML.

我们使用SSML的原因正是计算机无法理解人类语音的相关语调,暂停/中断,变形等.

如果你的目标是获得SSML,那么最好的方法是将文本转换为SSML.为此,我建议你看一眼：

据我们所知,@ 2018年7月中旬.
如果有人有更多信息,请添加到这个答案.

希望这会有所帮助：3

相关文章