声音的选择：长篇内容文本转语音音质的大规模评估

DOI

文本转语音（TTS）技术的进步和商业TTS平台的兴起使得人们可以在各种技术、应用程序和形式中轻松体验TTS语音。因此，我们评估了长篇内容的TTS语音：不是单个单词或句子，而是可以连续几分钟愉快聆听的语音。我们介绍了一种使用众包平台和在线调查的方法，根据听觉体验、清晰度和质量感知以及理解能力来评估语音。我们评估了18种TTS语音、三种人类语音和一个仅文本的控制条件。我们发现TTS语音接近于与人类语音相匹敌，但没有任何一种语音在所有评估维度上都优于其他语音。最后，我们提出了选择长篇内容文本转语音语音时的考虑因素。