在AI智能机器人中，语音采用纯录音方式具有高拟人的有点，但是却存在不支持变量的缺点。

那么是否存在一些方法可以让纯录音也能支持变量呢？

1.纯录音支持变量方法

方法1：拼接，即使用TTS先合成出变量语音，然后与录音片段进行拼接。

但在实际应用中会发现，该方法通常不可行。主要存在如下问题：

TTS合成的语音，音质、韵律、音调等与原始的纯录音存在差异，导致拼接后的效果听起来有差异。

且在拼接处，可能存在不平滑，导致声音显得具有停顿感或者突兀。

方法2：使用TTS合成纯录音文本。

即将纯录音及其对应的文本加入到TTS的训练集中，使用TTS模型合成训练集中的录音。由于合成的文本是来自于训练集，故合成出的录音与原始的录音相差不大。尤其是当文本中变量只占据较少部分时，此方法可以具有很高的纯录音效果还原度。

然而，如果不想采取以上方法，我们可借助Seed-TTS的一些改进方法进行解决。

2.Seed-TTS

Seed-TTS是字节推出的一个具有高质量合成效果的TTS，其核心架构如下：

在整个结构中，与其他TTS合成结构不同点在于加入了Speech Tokens，从而实现了基于语音的Prompt.

在Seed-TTS的内容编辑中，效果如下：

假设Original Audio是我们的纯录音，而对存录音对应的文本进行替换（即修改为我们的变量），那么我们也可以实现比上面介绍的方案二更高的纯录音还原度。

当然也有其他的基于语音的Prompt方法，但是由于Seed-TTS具有更好的合成效果，故再此不讨论其他的方法。

经过实验发现，将纯录音加入TTS训练集，并使用TTS合成带变量的存录音文本，其声音还原度90%左右，当然随着变量长度的增加，还原度降低。相反，使用Seed-TTS中的方法改进TTS Prompt模型，基于经验可推测，使用该录音驱动带变量的文本时，声音还原度可高达95%。当然，如果使用该录音驱动其他文本进行合成时，其还原度将有部分降低。

因此，对于在AI智能外呼中使用纯录音支持变量的功能，该Prompt方法确实有效。