你们可能熟悉Google的TTS引擎：here。
我基本了解这样的东西如何能够分析输入并选出不同的音节/词性，但如果我想为TTS系统创建“语音”，我会从哪里开始？
答案 0 :(得分：0)
这是一个问题，我在大学里花了将近一个学期的时间来学习答案，以及一年（或更多）课程，以便学习理解这个过程所需的基础信号处理。全班致力于语音合成，以及信号处理的整个课程。
人们可以将人类声道视为过滤器，将声门视为脉冲发生器 - 也就是说，语音实际上是由声道，口腔和鼻腔过滤的脉冲序列的结果。
对于每个音素，“过滤器”会有所不同，因此您需要一个音素库来生成“过滤器”。理论上，逆滤波可用于音素声音片段库以找到“滤波器”系数。 Levinson-Durbin递归通常用于查找LPC系数。
必须创建声门脉冲序列。一种简单的方法是将脉冲序列与正半正弦波进行卷积。
最后，使用与您想要创建的音素相关联的“滤波器”系数过滤声门脉冲序列。
但这仅适用于浊音。为了产生清音语音，一个简单的解决方案是利用与清音语音音素相关联的“滤波器”系数来过滤随机噪声信号。
上面有一层抽象，创建所需的音素列表，并连接。简单就像馅饼一样！
更新：
一位朋友指出Festival，一个“黑匣子”来输入文字并发表演讲：http://festvox.org/festival/