智能座舱之语音TTS

0 评论 2380 浏览 6 收藏 6 分钟

目前在车载场景中,TTS技术的应用已经十分常见,那么,想在车载领域、智能座舱领域深耕的产品同学,你是否对车载TTS有所了解呢?不妨来看看这篇文章的内容分享。

一、TTS是什么

文字转语音,大家可以以微信的语音转文字的反向工程来理解,主要作用是实现机械对话。

二、车载领域语音合成现状分析

车载场景目前是TTS技术的重要应用场景,其发展主要经历了以下四个阶段:

其中,高度个性化的发展应该细分为两个阶段。

第一个阶段,基于人群圈层的个性化,划分的圈层可能为男性/女性,儿童/成人/老年人,车主/乘客,基于车企的策略不同。

第二个阶段,通过声纹识别或摄像头等感知手段,实现真正的千人千面,定制自己专属的TTS风格化回复。

三、当前车载场景下的痛点

  1. 机械感:听感上仍能够识别出是机械的合成音,不自然、重读不准确等;
  2. 风格单一:语音合成风格较为单一,并且多为播音风格,缺少乐趣;
  3. 情感欠缺:播报的情感音,融合进车载的交互场景方式粗暴,体验不佳,具体表现为不同情感音不区分场景、不区分文本,仅仅通过音调等变化表达情感,存在机械的僵硬感;
  4. 智能化:场景定义不全面或不准确,由于车载TTS的回复语基于车载语音产品经理对场景的定义,存在漏定义、定义错的情况;并且在通过TTS引导用户的角度看,当前所有的车企方案较少考虑到这一点。

四、车载TTS的重要指标

车载TTS的评价指标沿用语音业界的MOS评价方式,即邀请听音人试听合成语音,根据分值描述,从拟人性、连贯性、韵律感等方面为语音选择合适的分数,通常主要的指标为:

  1. 韵律准确度;
  2. 端云音色相似度;
  3. 发音准确度;
  4. 发音清晰度。

但是以上指标主要都是针对TTS发音的问题,在实际测试的过程中,也会对TTS反馈的语料准确性、是否合适等进行测试,通常单一问题单一解决。

五、语音TTS遇到的典型问题

  1. 端云变化:在汽车行驶过程中,进入隧道或停车场等场景时,车辆的网络状态会切换为弱网/无网状态,此时云端的语音资源就会切换为本地资源,切换顺滑度、音色相似度等都是典型问题;
  2. 多音字发音错误:机器未准确识别语境,发音错误;
  3. 断句错误:遇到没有标点符号或者标点符号错误的文本,机器未能识别,形成断句错误;
  4. 方言表达不地道:机器直接采用了文本的发音,未转换成方言发音。

例:

早上好,粤语应该说zou sen,而TTS会直接说早上好(粤语音调)。

没有,粤语应该说冇,而TTS会直接说没有(粤语音调)。

六、产品角度看车载TTS

1. 车载TTS的商业价值

车机作为第三个屏幕,其运营是一个说了很久的话题,但是目前真正在车机上实现商业化运营价值的车企却没有,而风格化回复语,没有安全性、政策等因素的限制,是目前能看到落地最快的方向之一,并且运营价值,如果能保证较低成本形成风格化回复语的情况下,对于具备较多智能存量车的车企来说,在我个人角度上来看为高。

2. 大模型对车载TTS可能的影响

一是个性化定制成本降低:大模型通过大量的数据学习,理想中可以快速对一些特定形象进行学习,降低学习成本,例如影视作品的角色,形成具有该角色风格的回复语。

二是更加快速合成结合业务的风格回复语:车载TTS更多的是结合业务的场景,例如导航去天安门、打开车门等,大模型结合业务将实现更加多变、准确、有趣的回复。

本文由@加饭 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!