¿Cómo crear un paquete de voces de celebridades?

Los paquetes de voz de celebridades son grabados por celebridades en el estudio de grabación. Por lo general, un párrafo se lee según sea necesario y luego el sistema informático lo registra y analiza para generar un nuevo discurso. La mayoría de las voces no fueron grabadas por las propias celebridades, sino que fueron "creadas" de la nada utilizando tecnología de síntesis de voz.

La síntesis de voz es una tecnología que produce habla artificial mediante métodos mecánicos y electrónicos. La tecnología TTS (también llamada tecnología de texto a voz) pertenece a la síntesis de voz. Es una tecnología que convierte la información de texto generada por la propia computadora o ingresada desde el exterior en una salida en chino comprensible y hablada con fluidez.

La síntesis de voz, también conocida como tecnología de texto a voz, puede convertir cualquier información de texto en voz estándar y fluida en tiempo real, lo que equivale a instalar una boca artificial en la máquina. Implica acústica, lingüística, procesamiento de señales digitales, informática y otras disciplinas, y es una tecnología de vanguardia en el campo del procesamiento de información chino. El principal problema a resolver es cómo convertir información textual en información sonora audible, es decir, hacer que la máquina hable como un humano.