一、概述

? ? ? ? 語音合成又叫文字轉語音（TTS-text to speech ），本專題我們記錄從零搭建一個完整的語音合成系統，包括文本前端、聲學模型和聲碼器，從模型訓練到系統的工程化實現，模型可以部署在手機等嵌入式設備上，也可以部署在本地或云端服務器上。?更多資料和代碼可以進入?https://t.zsxq.com/qgmoN?，同時歡迎大家提出寶貴的建議，以共同探討學習。

二、效果演示

2.1 示例1

（1）文本：那是什么，怎么有如此恐怖的魂力？

（2）語音：

2.2 示例2

（1）文本：紫色龍影一閃即逝，眾人根本沒看清是什 ?么東西。

（2）語音：

三、技術路線

? ? ? ? 前期我們對比了基于merlin等傳統的基于pipline的方式和基于tacotron及tacotron2等端到端的方式，基于merlin的方式對文本前端的依賴更強，且聲學模型訓練更為復雜，需要對音素做對齊，對時長模型和聲學模型單獨訓練。端到端模型可以通過一個模型解決這些問題，降低文本前端的復雜性，并且合成效果更好。所以我們采用文本前端+tacotron2+lpcnet聲碼器的技術路線。

四、總結

? ? ? ? 本節我們總體概括了語音合成的技術路線，并對最終結果進行了展示。后面章節將完整實現一個端到端的語音合成系統。