目前在車載場景中，TTS技術(shù)的應用已經(jīng)十分常見，那么，想在車載領域、智能座艙領域深耕的產(chǎn)品同學，你是否對車載TTS有所了解呢？不妨來看看這篇文章的內(nèi)容分享。

一、TTS是什么

文字轉(zhuǎn)語音，大家可以以微信的語音轉(zhuǎn)文字的反向工程來理解，主要作用是實現(xiàn)機械對話。

二、車載領域語音合成現(xiàn)狀分析

車載場景目前是TTS技術(shù)的重要應用場景，其發(fā)展主要經(jīng)歷了以下四個階段：

其中，高度個性化的發(fā)展應該細分為兩個階段。

第一個階段，基于人群圈層的個性化，劃分的圈層可能為男性/女性，兒童/成人/老年人，車主/乘客，基于車企的策略不同。

第二個階段，通過聲紋識別或攝像頭等感知手段，實現(xiàn)真正的千人千面，定制自己專屬的TTS風格化回復。

三、當前車載場景下的痛點

1. 機械感：聽感上仍能夠識別出是機械的合成音，不自然、重讀不準確等；
2. 風格單一：語音合成風格較為單一，并且多為播音風格，缺少樂趣；
3. 情感欠缺：播報的情感音，融合進車載的交互場景方式粗暴，體驗不佳，具體表現(xiàn)為不同情感音不區(qū)分場景、不區(qū)分文本，僅僅通過音調(diào)等變化表達情感，存在機械的僵硬感；
4. 智能化：場景定義不全面或不準確，由于車載TTS的回復語基于車載語音產(chǎn)品經(jīng)理對場景的定義，存在漏定義、定義錯的情況；并且在通過TTS引導用戶的角度看，當前所有的車企方案較少考慮到這一點。

四、車載TTS的重要指標

車載TTS的評價指標沿用語音業(yè)界的MOS評價方式，即邀請聽音人試聽合成語音，根據(jù)分值描述，從擬人性、連貫性、韻律感等方面為語音選擇合適的分數(shù)，通常主要的指標為：

1. 韻律準確度；
2. 端云音色相似度；
3. 發(fā)音準確度；
4. 發(fā)音清晰度。

但是以上指標主要都是針對TTS發(fā)音的問題，在實際測試的過程中，也會對TTS反饋的語料準確性、是否合適等進行測試，通常單一問題單一解決。

五、語音TTS遇到的典型問題

1. 端云變化：在汽車行駛過程中，進入隧道或停車場等場景時，車輛的網(wǎng)絡狀態(tài)會切換為弱網(wǎng)/無網(wǎng)狀態(tài)，此時云端的語音資源就會切換為本地資源，切換順滑度、音色相似度等都是典型問題；
2. 多音字發(fā)音錯誤：機器未準確識別語境，發(fā)音錯誤；
3. 斷句錯誤：遇到?jīng)]有標點符號或者標點符號錯誤的文本，機器未能識別，形成斷句錯誤；
4. 方言表達不地道：機器直接采用了文本的發(fā)音，未轉(zhuǎn)換成方言發(fā)音。

例：

早上好，粵語應該說zou sen，而TTS會直接說早上好（粵語音調(diào)）。

沒有，粵語應該說冇，而TTS會直接說沒有（粵語音調(diào)）。

六、產(chǎn)品角度看車載TTS

1. 車載TTS的商業(yè)價值

車機作為第三個屏幕，其運營是一個說了很久的話題，但是目前真正在車機上實現(xiàn)商業(yè)化運營價值的車企卻沒有，而風格化回復語，沒有安全性、政策等因素的限制，是目前能看到落地最快的方向之一，并且運營價值，如果能保證較低成本形成風格化回復語的情況下，對于具備較多智能存量車的車企來說，在我個人角度上來看為高。

2. 大模型對車載TTS可能的影響

一是個性化定制成本降低：大模型通過大量的數(shù)據(jù)學習，理想中可以快速對一些特定形象進行學習，降低學習成本，例如影視作品的角色，形成具有該角色風格的回復語。

二是更加快速合成結(jié)合業(yè)務的風格回復語：車載TTS更多的是結(jié)合業(yè)務的場景，例如導航去天安門、打開車門等，大模型結(jié)合業(yè)務將實現(xiàn)更加多變、準確、有趣的回復。