TTS 與 STT(文字轉語音與語音轉文字)
TTS 將文字轉換為擬真人聲,STT 則將口語錄音轉化為文字逐字稿,兩者是現代 AI 語音助理與自動字幕系統的核心技術架構。
TTS(Text-to-Speech,文字轉語音)與 STT(Speech-to-Text,語音轉文字)是人工智慧處理人類聲音的兩大互逆技術。簡單來說,TTS 扮演發聲的嘴巴,能將純文字轉換成聽起來自然流暢的語音;STT(亦常被稱為 ASR 自動語音辨識)則像聆聽的耳朵,負責把麥克風收到的口說音檔轉化為正確的文字內容。
當這兩項技術與大型語言模型串接時,就形成了完整的語音互動閉環:系統先透過 STT 聽懂使用者說的話,由模型理解並生成回覆,最後利用 TTS 把答案朗讀出來。從智慧型手機助理、客服機器人到各大社群影音的自動字幕,背後都仰賴這組技術的緊密配合。
TTS 與 STT 的運作原理與差別
雖然兩者處理的都是文字與聲音,但背後的演算法路徑截然不同:
- STT(語音轉文字):輸入為音訊檔案。演算法首先過濾背景雜音,擷取音訊中的聲學特徵,再由模型比對發音單位,結合上下文語境推導出最合理的文字排列與標點符號。
- TTS(文字轉語音):輸入為純文字。系統先進行斷詞、破音字判斷與語調標註,接著透過神經網路波形合成模型,產生帶有特定性別、年齡、語速、情緒起伏與呼吸停頓的音訊波形。
台灣在地生活的日常應用情境
在台灣,TTS 與 STT 早已深入各類生活與商業場景。例如,台北或高雄的影音創作者製作訪談 Podcast 或 YouTube 影片時,通常會先用 STT 工具匯入長達一小時的訪談錄音,幾分鐘內就能自動產生含有時間軸的逐字稿與 SRT 字幕檔,大幅節省人工聽打時間。
在地方診所或連鎖手搖飲門市,TTS 技術被廣泛應用於叫號系統與自動化電話預約服務。相較於早期死板冰冷的機械音,現代神經網路 TTS 可以呈現溫柔親切的台灣中文發音習慣,甚至能正確處理在地路名、店名等特有用詞,提供顧客更自然的聽覺體驗。
如何挑選適合在地情境的語音工具
評估語音工具的實用價值時,不能只看單純的辨識速度,還必須檢視以下幾個關鍵指標:
- 口音與在地用詞相容性:台灣日常對話常夾雜「捷運」、「便當」、「發票」等在地詞彙,甚至帶有台灣國語腔調。優秀的 STT 工具應能精準辨識這些特徵,而非強行轉為非本地習慣的詞語。
- 中英夾雜辨識能力:在台灣的職場與校園討論中,混合英文專有名詞是常態。好的 STT 系統必須能無縫切換雙語辨識,避免把英文字彙誤拼成音近的中文字。
- 環境雜音耐受度:無論是臨街辦公室的汽機車呼嘯聲,還是會議室裡的回音,都會大幅干擾收音。具備雜音過濾與多人聲紋分離功能的 STT 能維持較高的正確率。
- TTS 的韻律與斷句自然度:聆聽電子書長文或導覽時,如果句尾語調不自然或停頓位置錯誤,容易造成聽覺疲勞。高品質的 TTS 應具備細膩的呼吸感與抑揚頓挫。
常見迷思與使用注意事項
許多初次接觸這項技術的使用者,容易對辨識率產生過度期待。常見的盲點是誤以為 STT 能達到百分之百準確而完全不做人工校對。事實上,多名講者同時插話、麥克風距離過遠或咬字過於含糊,都會使錯誤率上升,因此在產出正式合約或官方字幕前,人工快速複查仍是必要的步驟。
在 TTS 方面,部分使用者以為只要把文章直接貼上即可獲得完美的朗讀效果。事實上,面對同字異音的破音字(例如「行」動與銀「行」)或是特殊符號,仍需要適度手動修正或加入發音標註,才能確保語音輸出毫無破綻。
常見問題
想要把會議錄音轉成逐字稿,應該使用 TTS 還是 STT?
應該使用 STT(語音轉文字)。STT 負責接收錄音音訊並辨識轉換成文字逐字稿,而 TTS 則是將文字轉成語音朗讀。
台灣常見的中英夾雜或台語混用,STT 辨識得出來嗎?
支援多語言混合模型的 STT 工具能順利辨識常見的中英夾雜詞彙;至於台語混用的辨識率,則取決於該模型是否包含台語聲學訓練資料,選用前建議先用實際音檔測試。
為什麼有些文字轉語音聽起來還是像機械音?
傳統的拼接式或規則式 TTS 缺乏上下文理解能力,導致語調平淡且停頓生硬。現代採用深度學習波形合成的 TTS 則能模擬人類呼吸與情緒抑揚,聽感會自然許多。
