// AI 新闻 · 2026-10-23 · Amazon Science
亚马逊Audible推出可控制语音合成技术
亚马逊Audible团队开发了一套可控制的文本转语音（TTS）系统，通过自然语言描述（如‘低声紧张地说话’）实现角色声音的差异化表达。该系统在英文书籍中对角色对话识别准确率达97%，西班牙语为94%。系统在MUSHRA听觉质量测试中使对话区分度提升3.7分，其中八成角色在英、西双语环境下听感显著改善。
原文发布 2026-10-23 23:20（北京时间）来源 Amazon Science自动整理 · 已核对原文
01摘要
技术核心包括：构建高质量语音数据合成管道，利用大语言模型（LLMs）生成语音特征描述；自动识别书籍中角色及其对白并生成对应舞台说明；结合前两项实现全书一致且自然的角色声音表达。相比通用TTS模型，该系统能更好理解叙事上下文，避免角色音色在书中前后不一致的问题，显著提升长篇内容的可听性和沉浸感。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 系统通过自然语言描述（如‘低声紧张’）控制角色语音风格，实现声音一致性。
- 在英文和西班牙语中，角色对话识别准确率分别达97%和94%，MUSHRA测试中对话区分度提升3.7分。
- 八种角色在双语测试中听感体验有统计学显著改善，体现实际用户价值。
- 结合大语言模型生成语音特征描述，解决了传统TTS在长篇内容中缺乏上下文理解的问题。
03原文出处
Better speech synthesis for audiobooks
Amazon Science · 发布于 2026-10-23 23:20（北京时间） · 上方为原标题
05同主题新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 全部 AI 新闻 · 今日