TTS
Text-to-Speech，语音合成 — 将文字转为人类语音的技术。AI 客服语音渠道的出口，与 ASR 配合实现完整电话客服闭环。
定义
TTS 将文字经过文本分析（分词 / 词性 / 韵律）+ 声学模型 + 声码器后输出 PCM 音频。当前主流是端到端神经语音合成（Tacotron / FastSpeech / VALL-E）。
技术演进
- 拼接合成时代：录音库片段拼接
- 参数合成时代：HMM-based 统计参数
- 深度学习时代（2017+）：Tacotron / WaveNet / FastSpeech
- 大模型时代（2023+）：ElevenLabs / VALL-E / 语音克隆
在 AI 客服中的应用
- 电话客服外呼：合成自然语音播报
- 个性化语音：定制企业品牌音
- 情感 TTS：识别用户情绪 + 匹配应答语气
- 多语言：跨境客服多语种支持
- 方言：粤语 / 川话等
主要玩家
- 语音 AI 龙头：科大讯飞（中文方言 + 翻译机）
- 国际新势力：ElevenLabs（语音克隆 突破）
- 客服集成：容联云 / 天润融通
在 AI 产业链中的角色
∈ belongs_to::5-11-AI客服-对话机器人 ↑ up::科大讯飞 / ElevenLabs ↓ down::语音客服外呼 / 虚拟数字人