讓導航應用程式朗讀街道名稱，你就能聽到文字轉語音技術在發揮作用。該系統將文字轉換成人耳朵可以理解的波形。早期版本聽起來比較機械，因為它們是將錄製的片段拼接在一起的。而現代神經網路系統可以直接產生音頻，合成語音與真人語音之間的差距已經大大縮小。

這個流程通常從文字規範化開始：根據上下文將“Dr.”擴展為“Drive”或“doctor”，並將數字和貨幣轉換為口語詞彙。接下來是語言分析，用於預測發音、重音和語調。最後，聲學模型和聲碼器將這些特徵轉換為聲音。

它出現在哪裡

• 面向盲人和低視力者的螢幕閱讀器
• 語音助理和智慧音箱
• 大規模有聲書製作
• 為言語障礙人士提供的輔助工具

不同語言的合成語音品質參差不齊。英語和普通話擁有龐大的錄音語料庫；而許多非洲語言和土著語言幾乎沒有語料庫，因此它們的合成語音聽起來生硬，甚至根本不存在。語音克隆技術又帶來了另一個隱憂。逼真的語音複製品可能被用於詐騙，因此一些供應商現在會在語音中添加浮水印或要求用戶提供錄音許可。