概念TTS / Text-to-Speech
语音合成
文本转语音技术，将文本转换为自然语音输出，是语音交互的输出环节
核心事实
时间轴 (近 90 天)
11月3日
整篇一次性生成语音容易节奏失控，按章节分段生成再拼接更便于修改和对齐画面。
待验证50%
10月30日
神经TTS架构（如Tacotron、VITS）相比早期拼接合成和参数化合成，大幅提升了语音的自然度、韵律和情感表现。
待验证50%
10月23日
项目中的语音由语音合成（TTS）生成，而非全部来自游戏原声。
待验证50%
9月27日
语音合成领域在2019-2021年间经历拐点，WaveNet等模型使合成语音的可辨别率降至5%以下
待验证50%
9月26日
交互式数字分身的技术实现融合了语音合成、面部动画驱动和大语言模型问答等技术
待验证50%
9月19日
Tilly Norwood这类虚拟形象由大语言模型和语音合成技术驱动
待验证50%
9月11日
相比图像和视频，音频内容的AI生成技术相对成熟，语音合成（TTS）质量已接近甚至在某些场景下达到真人水平
待验证50%
全部知识事实 (8)
已验证
ElevenLabs 是成立于2022年的 AI 语音合成公司，支持超过30种语言，可用极少量音频样本克隆声音
75%待验证整篇一次性生成语音容易节奏失控，按章节分段生成再拼接更便于修改和对齐画面。
50%待验证神经TTS架构（如Tacotron、VITS）相比早期拼接合成和参数化合成，大幅提升了语音的自然度、韵律和情感表现。
50%待验证项目中的语音由语音合成（TTS）生成，而非全部来自游戏原声。
50%待验证语音合成领域在2019-2021年间经历拐点，WaveNet等模型使合成语音的可辨别率降至5%以下
50%待验证交互式数字分身的技术实现融合了语音合成、面部动画驱动和大语言模型问答等技术
50%待验证Tilly Norwood这类虚拟形象由大语言模型和语音合成技术驱动
50%待验证相比图像和视频，音频内容的AI生成技术相对成熟，语音合成（TTS）质量已接近甚至在某些场景下达到真人水平
50%