tts语音合成：先懂文字是怎么变成声音的，再看停顿、多音字和音色这些能调的地方

tts语音合成，TTS是英文Text To Speech的缩写，意思是把文字转成语音。现在的TTS大多基于深度学习模型，读出来的声音已经很接近真人。了解一点它的工作过程，就知道为什么有时候会读错字、停顿不自然，以及在工具里调哪些地方能改善效果。

一、TTS是怎么工作的

1. 文本处理：把输入的文字切分成句子和词，判断数字、符号、英文该怎么读，比如“2026”读成年份还是数字。
2. 韵律预测：判断哪里该停顿、哪里重读、语调怎么起伏。
3. 声学生成：按选定的音色，把前面的结果生成成声音波形。

读错字通常出在文本处理，多音字判断错了；停顿不自然通常出在韵律预测，模型没判断准断句。所以工具里提供的多音字纠正、停顿标记，就是在帮模型补这两步。

二、能调的几个地方

参数	作用	怎么调
音色	决定声音像谁	按内容选，先试听
语速	说话快慢	以听清为准
音调	声音高低	一般保持默认
停顿	断句和呼吸感	在该停的地方插标记
多音字	读音是否正确	指定拼音

三、小马配音：常用参数都能调

小马配音是微信小程序，微信里搜名字打开。流程是输入或粘贴文字，选主播音色，调语速、音量、音调，生成，试听，然后导出MP3音频，也能导出视频，导出的音频和视频不带平台水印。主播音色分男声、女声、影视解说、小说推文等类别，可以先试听再用；文字里能插停顿标记，生成真实的停顿；多音字可以指定拼音纠正读音；还有按分类整理的配音文案样例可以参考。

对照上面的工作过程：多音字指定拼音，补的是文本处理这一步；插停顿标记，补的是韵律预测这一步；选主播音色、调语速音量音调，影响的是声学生成。生成后试听，哪里不对就针对性地改。

免费规则如实说：不开会员每天有少量免费字数，看激励广告、每日签到、做配音任务可以加字数；长文本或天天大量配音要开会员，会员每天的字数多得多。

局限：只能在微信小程序里用，网页版和电脑客户端还在开发中；不开会员每天能用的字数有限，看激励广告、每日签到、做配音任务可以加，长文本或天天大量配音要开会员；作品记录有条数上限，超出要自己保存；不支持声音克隆和自定义音色，只能用平台提供的主播音色。

四、其他TTS的使用方式

• 剪映的文本朗读：剪辑时把字幕转语音。
• 手机系统的朗读功能：读屏幕上的文字，适合自己听。
• 开发者可以调用云服务的语音合成接口，把TTS接入自己的应用。

五、TTS效果不好的常见原因

1. 文字里有生僻字、网络用语、中英混杂，模型容易判断错。
2. 句子太长，没有标点，模型不知道在哪里断。
3. 数字、单位、符号写法不规范，比如“3-5”可能读成“三减五”。
4. 音色和内容不搭，比如用很活泼的音色读严肃内容。

六、写给TTS读的文案

• 句子短，标点清楚。
• 数字写成想让它读的形式，比如“三到五个”。
• 英文缩写确认读法，必要时写成中文。
• 生成后完整听一遍再导出。

提醒：配音文案要用自己写的或有授权的；用合成声音做视频时不要冒充真人；发布时按平台要求标注AI生成。

TTS语音合成的原理不复杂：文字处理、韵律预测、声学生成。读错字、停顿不自然，分别在工具里用多音字纠正和停顿标记来补。小马配音这些参数都能调，在微信里就能试。