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

一、TTS是什么

文字轉(zhuǎn)語(yǔ)音，大家可以以微信的語(yǔ)音轉(zhuǎn)文字的反向工程來(lái)理解，主要作用是實(shí)現(xiàn)機(jī)械對(duì)話。

二、車載領(lǐng)域語(yǔ)音合成現(xiàn)狀分析

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

其中，高度個(gè)性化的發(fā)展應(yīng)該細(xì)分為兩個(gè)階段。

第一個(gè)階段，基于人群圈層的個(gè)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。

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

第二個(gè)階段，通過(guò)聲紋識(shí)別或攝像頭等感知手段，實(shí)現(xiàn)真正的千人千面，定制自己專屬的TTS風(fēng)格化回復(fù)。

三、當(dāng)前車載場(chǎng)景下的痛點(diǎn)

1. 機(jī)械感：聽感上仍能夠識(shí)別出是機(jī)械的合成音，不自然、重讀不準(zhǔn)確等；
2. 風(fēng)格單一：語(yǔ)音合成風(fēng)格較為單一，并且多為播音風(fēng)格，缺少樂趣；
3. 情感欠缺：播報(bào)的情感音，融合進(jìn)車載的交互場(chǎng)景方式粗暴，體驗(yàn)不佳，具體表現(xiàn)為不同情感音不區(qū)分場(chǎng)景、不區(qū)分文本，僅僅通過(guò)音調(diào)等變化表達(dá)情感，存在機(jī)械的僵硬感；
4. 智能化：場(chǎng)景定義不全面或不準(zhǔn)確，由于車載TTS的回復(fù)語(yǔ)基于車載語(yǔ)音產(chǎn)品經(jīng)理對(duì)場(chǎng)景的定義，存在漏定義、定義錯(cuò)的情況；并且在通過(guò)TTS引導(dǎo)用戶的角度看，當(dāng)前所有的車企方案較少考慮到這一點(diǎn)。

四、車載TTS的重要指標(biāo)

車載TTS的評(píng)價(jià)指標(biāo)沿用語(yǔ)音業(yè)界的MOS評(píng)價(jià)方式，即邀請(qǐng)聽音人試聽合成語(yǔ)音，根據(jù)分值描述，從擬人性、連貫性、韻律感等方面為語(yǔ)音選擇合適的分?jǐn)?shù)，通常主要的指標(biāo)為：

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

但是以上指標(biāo)主要都是針對(duì)TTS發(fā)音的問(wèn)題，在實(shí)際測(cè)試的過(guò)程中，也會(huì)對(duì)TTS反饋的語(yǔ)料準(zhǔn)確性、是否合適等進(jìn)行測(cè)試，通常單一問(wèn)題單一解決。

五、語(yǔ)音TTS遇到的典型問(wèn)題

1. 端云變化：在汽車行駛過(guò)程中，進(jìn)入隧道或停車場(chǎng)等場(chǎng)景時(shí)，車輛的網(wǎng)絡(luò)狀態(tài)會(huì)切換為弱網(wǎng)/無(wú)網(wǎng)狀態(tài)，此時(shí)云端的語(yǔ)音資源就會(huì)切換為本地資源，切換順滑度、音色相似度等都是典型問(wèn)題；
2. 多音字發(fā)音錯(cuò)誤：機(jī)器未準(zhǔn)確識(shí)別語(yǔ)境，發(fā)音錯(cuò)誤；
3. 斷句錯(cuò)誤：遇到?jīng)]有標(biāo)點(diǎn)符號(hào)或者標(biāo)點(diǎn)符號(hào)錯(cuò)誤的文本，機(jī)器未能識(shí)別，形成斷句錯(cuò)誤；
4. 方言表達(dá)不地道：機(jī)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(yǔ)應(yīng)該說(shuō)zou sen，而TTS會(huì)直接說(shuō)早上好（粵語(yǔ)音調(diào)）。

沒有，粵語(yǔ)應(yīng)該說(shuō)冇，而TTS會(huì)直接說(shuō)沒有（粵語(yǔ)音調(diào)）。

六、產(chǎn)品角度看車載TTS

1. 車載TTS的商業(yè)價(jià)值

車機(jī)作為第三個(gè)屏幕，其運(yùn)營(yíng)是一個(gè)說(shuō)了很久的話題，但是目前真正在車機(jī)上實(shí)現(xiàn)商業(yè)化運(yùn)營(yíng)價(jià)值的車企卻沒有，而風(fēng)格化回復(fù)語(yǔ)，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(yùn)營(yíng)價(jià)值，如果能保證較低成本形成風(fēng)格化回復(fù)語(yǔ)的情況下，對(duì)于具備較多智能存量車的車企來(lái)說(shuō)，在我個(gè)人角度上來(lái)看為高。

2. 大模型對(duì)車載TTS可能的影響

一是個(gè)性化定制成本降低：大模型通過(guò)大量的數(shù)據(jù)學(xué)習(xí)，理想中可以快速對(duì)一些特定形象進(jìn)行學(xué)習(xí)，降低學(xué)習(xí)成本，例如影視作品的角色，形成具有該角色風(fēng)格的回復(fù)語(yǔ)。

二是更加快速合成結(jié)合業(yè)務(wù)的風(fēng)格回復(fù)語(yǔ)：車載TTS更多的是結(jié)合業(yè)務(wù)的場(chǎng)景，例如導(dǎo)航去天安門、打開車門等，大模型結(jié)合業(yè)務(wù)將實(shí)現(xiàn)更加多變、準(zhǔn)確、有趣的回復(fù)。