在查看了一些服务/工具后，我得出了一个结论。大多数文本转语音工具的声音过于技术化、机械化——换句话说，质量很差。
而且，看起来它们都带有“硬编码”的语音模板，因此缩短了变化和自定义的可能性。有些工具允许你设置阅读速度和音调，但这还不够。
我猜测情感方面的问题在于，很难从纯文本中判断情感，特别是如果只是一两个句子。再加上，好老的电脑是一台机器——机器没有情感，但这是另外一个故事了。
最让我困扰的是质量。例如，有些工具会削减单词的顶点，导致声音听起来很技术化。感觉有问题的是句子构造或其他什么东西。虽然人们正在开发这样的工具，但我想知道，是什么阻止他们多花一点时间来改进那些……削减单词顶点的问题，这可不是小问题！而且，必须记住，一个好的、高质量的文本转语音软件价值很高！因此，它是一个相当有利可图的产品。
哦，在流畅性下隐藏了问题、感叹等。（可能这些不适用于流畅性，但我不是英语母语者，请原谅如果是这种情况。）
我看过的工具列表：
相当令人印象深刻，但还有改进的空间（++）
- Loquendo：声音缺乏变化，有一些小的语调/流畅度问题（取决于句子），在示例中咳嗽和借口太多！
- Nuance Vocalizer：虽然仍然缺乏变化，但提供的一些声音是值得的。
可以合作获取更多资源，然后一起开发不同但几乎相等的产品 (--)
- eSpeak：最好的机器人之一，因此程序标志是这样的（？！）
- Natural Reader (dumb autoplay!!)：流畅度还可以，但仍有技术感。
- iSpeech：将语音设置为英文文本日语时非常好笑。我打赌日本人对此并不高兴。
- Cepstral + Enhanced Voices...除了大约5个以上的声音之外，增强的声音只会带来糟糕的结果。
- AT&T：流畅度还可以，但在句子结尾和机械化方面存在问题。
- LumenVox TTS：看起来来自具有丰富语音工具背景的公司，但仍导致机器人声音。
- 还有其他一些...
如果我错过了什么值得一看的东西，请分享。可以是免费的、商业的、超级昂贵的……只要它能工作，我就感兴趣！ 而问题（-s）……
- 您认为语音质量、流畅度和多样性背后的主要问题是什么？ 由于情感方面很难判断，如果您跳过它，我不介意，但如果您有一两个想法，我也不介意分享您的想法。
- 文本是如何转化为语音的？ 比如说，这些工具背后使用了哪些算法？也许一两个新的理论会派上用场。
- 这些是不同的引擎/驱动程序，还是相同的驱动程序/引擎的不同语音模式？
- 只有我觉得第一个Text2Speech工具的质量在多年来没有太大变化（或者根本没有变化）吗？ 不得不承认，这个老派的苹果工具提供的结果比一些2000年以后的工具更好，至少在与我所看到的视频进行比较时是这样。