TexttoSpeech.im: Convert Text to Speech Free Online 对比 Deep Voice 3

TexttoSpeech.im 是一个基于浏览器的文本转语音生成器，可以将书面文本转化为可下载的音频文件。只需粘贴最多几千个字符，选择一种语言和语音，即可生成一个可以在浏览器中试听或保存的 MP3 文件。

其主要吸引力在于丰富的语音目录：大约包含 148 种选择，包括美国、英国、澳大利亚、印度及其他地区的口音，此外还有儿童语音和多情感 v2 变体。有些语音能处理长达 4 万字符的段落，而有些则限制在大约 2,000 字符。

这个平台适合需要快速配音而无需聘请专业配音演员的创作者、希望让课程内容更易理解的教育者，以及所有喜欢听而非阅读的人。该网站可以在手机、笔记本电脑和台式机的标准网页浏览器中使用，无需安装任何应用程序。

Deep Voice 3 是百度研究所基于 PyTorch 的开源实现，重现了 Deep Voice 3 文本转语音模型。它复现了卷积序列学习的可扩展神经 TTS，并提供预训练的 checkpoint 以及单 speaker 和多 speaker 的音频演示。

该项目包括在 LJSpeech 上训练的单 speaker 合成模型，以及在 VCTK 数据集上训练的 108 speaker 多 speaker 生成模型。演示页面托管了示例音频片段、注意力图以及预训练权重的 GitHub 链接。

该项目面向希望拥有 Deep Voice 3 参考实现的研究人员和开发者，而非托管语音 API。训练脚本、推理代码以及社区贡献均托管在公开的 GitHub 仓库中。