治伦AI 简介
本系列介绍从零开始搭建商业级语音合成系统（TTS合成系统）。
选择加入可获得：
- 构建TTS，情感TTS的方法
- 构建风格控制的TTS方法
- 构建超拟人TTS的方法
- 语音合成问题深度解答
1. 快速入门
了解语音合成系统的技术发展方向及其特点，例如情感非情感TTS, Prompt TTS和超拟人TTS等。
2. TTS数据准备
构建TTS合成系统需要的训练数据是决定系统能否构建成功的关键，通过本章节你可以学会如何构建、处理数据等关键问题。
2.1 我需要准备什么样的数据？ - 掌握需要什么样的数据才能构建一个商业级的TTS系统。
2.2 如何进行录音文本制作 - 掌握制订录音文本的方法，确保模型构建质量和录音效果。
2.3 如何进行正确录音- 掌握录音技巧和规范，确保录音效果。
2.4 如何剪辑录音？ - 掌握剪辑录音的方法和注意事项，确保获取高质量录音用于模型训练。
3. TTS录音文本处理
3.1 使用Text Normalization处理文本中的时间、分数、数字等 - 掌握中文文本标准化的方法。
3.2 如何在中文文本中增加韵律信息？ - 掌握在汉语文本中增加不同韵律的方法。
3.3 中文文本转拼音 - 掌握如何使用非模型方式将中文文本序列转换为拼音序列。
3.4 pypinyin错误拼音修复 -掌握修复pypinyin转汉字为拼音时拼音转错的方法。
3.5 多音字如何处理？ - 掌握TTS合成语音时，遇到多音字时的处理方法。
3.6 儿化音如何处理？
3.7 特殊音调如何处理？
3.8 中文Grapheme与Phoneme - 掌握中文Grapheme与Phoneme的关系和处理方法。
3.9 为什么要把汉语拼音拆分为（声母，韵母音调）的方式? - 了解TTS中汉语拼音的处理方式。
3.10 如何将汉语拼音转换为音素（Phoneme）? - 掌握将拼音转换为对应音素的方法。
4. TTS音频文件处理
4.1 音频采样率（Sample Rate）基础 - 了解音频采样率在读音音频信息时的作用。
4.2 音频n_fft, win_length, hop_length基础 - 掌握n_fft, win_length, hop_length的意义及设置方式。
4.3 音频n_mels, f_min, f_max基础 - 掌握n_mels, f_min, f_max的意义及设置方式。
4.4 如何获取音频Mel谱信息？
4.5 如何获取音量信息（Energy）？
4.6 如何获取基频信息（F0）？
5. TTS模型构建
在本章节中，我们将以VITS 2为项目案例讲解如何构建非情感的TTS模型。
5.1 TTS模型的两种基本架构 - 了解TTS的两种架构是什么，它们之间有什么区别。
5.2 训练配置文件构建与解析 - 掌握构建TTS模型时配置文件的构建与解析过程。
6. 情感TTS构建
7. Prompt TTS构建
8. 超拟人TTS构建
9. 语音合成标记语言 (SSML)
10.常见问题
10.1 可以使用被压缩后的音频文件来训练TTS模型吗？ - 获知能否使用压缩音频构建TTS模型的答案及其原因。
10.2 怎么解决TTS合成语音时合成语音不能停下来的问题？ - 获取TTS合成语音不能停下来的原因和解决方案。
10.3 线上TTS模型太多，机器资源不够用怎么处理？- 掌握在不增加机器资源的情况下让机器支持更多TTS模型的方法。
