第6课《语音合成技术》教学课件-2025-2026学年浙教版初中信息科技八年级下册

《语音合成技术》教学课件 浙教版初中信息技术·八年级下册 情境导入：神秘的声音 听一听，猜一猜 真人朗读 (教师活动)请点击播放以下两段音须：一段是真人朗读课文片段 ,另一段是语音合成软件朗读同一段文本。请仔细聆听并分辨其中 富有情感色彩·语调抑扬顿挫 能根据语境灵活调整语速和语气 的差别。 Q1.你听出这两段声音有什么明显的不同吗？（语速 、语调、情感等) AI机器合成 Q2.第二段声音听起来是真人朗读的吗？你觉得它是 音色高度一致·机械且稳定 生成速度极快，但情感相对匮乏 如何产生的？ 情境导入：无处不在的“机器声音” 出行导航 |公共交通 “前方路口左转。” “下一站，人民广场。” 驾驶途中的实时语音指引，让出行更高效。 地铁公交的自动报站系统，精准提示站点信 更安全， 息，方便市民出行， 智能陪伴 知识获取 “今天天气不错，适合出门。” “欢迎来到有声读物世界。” 智能音箱随时响应指令，提供生活资讯，是 斯书ADD利用合成语音将文字转化为声音， 贴心的家庭小助手 让学习与娱乐随时随地 课堂讨论：我们身边的语音合成 互动话题 生活中的发现 除了刚才提到的场景，你还在哪里听过类似的机器 声音？ 带来的便利 这些声音给我们的生活带来了那些便利？ 揭示课题：第六课语音合成技术 今天，我们将一起揭开这些“机器声音”背后的秘密一一语音 合成技术。 01理解原理 02掌握操作 语音合成是如何 如何壮电脑为我们 工作的？ “朗读”？ 点亮灵感·探索新知 03学会应用 04树立责任 VOICE SYNTHESIS TECHNOLOGY 语音合成技术有哪些 如何正确使用 神奇的用途？ 这项技术？ 新知探究：什么是语音合成技术？ 让机器“开口说话” AI核心中枢 理解语义·模拟发声·自然交流 0l/定义Definition 语音合成技术(Text-to-Speech,TTS),就是利用计算机模拟人 类发音，将文本信息转换成自然流畅语音的人工智能技术，简单来 说，就是“让机器能说会道” 02/核心类比Analogy 语音识别(ASR) 语音合成(TTS) 如果说语音识别(AS)是让机器“听懂”我们说话，那么语音合 “听”懂人类说话 “说”出自然语音 成(TT$)就是让机器“开口”回应我们。二者构成了人机语音交 语音一文本 文本一语音 互的闭环。 新知探究：智能交互的“听”与“说” 语音识别 (ASR) 语音合成 (TTS) 机器的“耳朵”·负责听懂人类语言 机器的“嘴巴”·负责语音回应与播报 交互方向：语音（声波）一文本/机器指令 交互方向：文本/数据一语音（合成声波） 核心作用：解决机器“听不见”的问题，将听觉信 核心作用：解决机器“不会说”的问题，赋予机器 号转化为可处理的数据。 发声和表达的能力 生活例子：对手机说“嘿S1ri,打开音乐”、会议 生活例子：导航APP实时播报路线、电子书的有声 录音转文字。 朗读功能。 两者结合，共同构成了智能语音交互的完整闭环 新知探究：机器是如何“朗读”一篇文章的？ 01 02 03 04 看文本 断句子 加感情 发声音 (文本分析) (分词处理) (韵律处理) (语音生成) 机器首先要“读伍”文字，识 得连续的文本分制成独立的词 为文本赋了“灵魂”，计算每 结合前面的韵律数据。通过声 别出文章中的字词、标点符号 汇和句子，确定正确的切分点 个字词的发音时长、语调高低 学模型生成最终的音频信号 和段落结构 为后续明读打好基础。 以及句子间的停顿 让机器开口“说话” 流程详解①：看懂文字，学会断句 文本分析(Text Analysis) 处理效果演示 计算机首先要“看”懂输入的内容，包括汉字、标点 、数字、英文等。例如，将“2026年”准确理解为读 音“二零二六年”，为后续的语音合成提供正确的文 本基础。 原始输入 分词处理后 2026年 2026年春天 春天来了！ 来了！ X 分词处理(Word Segmentation) 计算机需要像人一样给句子划分停顿，精准确定词语 的边界。若断句错误，就可能闹出“南京市长/江大桥 ”这样的语义笑话，这是语音合成中保证逻辑通顺的 关键。 通过空格分隔，可以清晰地看到同语边界的划分 流程详解②：注入灵魂，抑扬顿挫 什么是“韵律”？ 简单来说，就是我们说话时的停顿、重音、语速、语调的综合表 现。它是决定合成语音听起来是否自然、有感情的核心关键！ 严肃警示 电 欢快陈述 “请不要随地吐痰！” “春天来了，花儿开了！” 语气严肃，结尾降调， 语气轻快，结尾升调， 重音放在“不要”二字上， 语速稍快，传递出发现美好 表达强烈的制止意图。 事物时的喜悦与兴奋。 难点突破：如何让声音更像真人？ 优秀的语音合成技术，需要精细打磨这五个关键要素，还原人声的自然韵律： 停顿 重音 音调 语速 情感 根据标点符号和句子结 精准识别关键词，通过 根据内容场最动态调整 捕捉文本的情绪色彩， 区分疑问句的升调与陈 构，智能设置不同时长 音量和音色的微妙变化 述句的降调，模拟真人 ，如新闻插报需平稳客 精准模拟高兴、悲伤、 的停顿，让语句呼吸感 加重发音，清晰传递核 观，讲述故事则有快慢 严肃等丰富情感，传递 抑扬顿挫的语调变化. 更自然。 心语义， 起伏。 温度。 流程详解③：发出声音 韵律分析就绪 经过文本分析与韵律建模，计算机已“胸有成竹”：它明 确了每个字的发音、语句中的停顿位置以及重音的强弱分 布，为“开口说话”做好了充分准备。 语音素材库 智能拼接 拼接与合成：像搭积木一样“说话” 标量声在片段储备 情准匹配与连接 最后一步，系统会调用庞大的“语音素材库”，从中精准 取出对应的基础发音片段《语音单元)，按规则将它们像 搭积木一样平滑拼接，最终合成并输出流畅、自然的完整 完整语音流(Speech Output) 语音。 新知探究：语音合成技术的进化史 早期阶段 机械/参数合成 88 中期阶段 现代阶段 单元拼接合成 A!端到端合成 声音生硬、机械感强 流畅自然，以假乱真 自然度提升，但有拼接痕迹 受限于当时的计算能力与模型复杂度 将录制好的语音切割成更小的单元进 基于深度学习模型，直接从文本生成 ,合成语音缺乏韵律感，语调单一， 行拼接组合。虽然语音的清晰度大幅 高质量语音波形。能精准模拟人类说 话的情感、韵律和节泰，生成的声音 听起来就像传统的“机器人”在说话 改善，但在句子连接处容易出现停顺 、不连贯或语调突变的现象。 流畅自然，在许多场景下已能达到“ 以假乱真”的效果。 实践操作：动手试一试，让电脑为你朗读 9际 三无 <I> 任务 (Task) 示击梦人带量 湖修发宁件者指 我们将使用在线语音合成平台，输入一段测试文本 速牌更能岩设视纳的定丰 ,体验不同语音风格，并最终完成文本的自动朗读 包的间 生成。 能 有理用度甲 金收料我理 型上响料 准备 (Preparation) 3杂击影发强人，线法男的主理香 雪裤组厘 1.打开电脑上的任意浏览器 (Chrome Edge 0 Firefox均可) 2.在地址栏输入指定的在线语音合成平台网址并 访问。 实践操作：操作步骤 01 02 STE01·输入 文木输入据（支持批量结贴 输入文本 选择参数 将指定文本（如古诗《望岳 根据需求自由组合： )准确复制粘贴到系统的文本 ·音色：男声/女声/童声 输入框中。 。 语速&音调：多级可选 STEP02·设置 声音风格与朗读参数配置而板 03 04 STEP03-04·试听&导出 合成并试听 保存文件 点击播放按钮试听，确认无误后点击下载保存 点击“合成语音”按钮，等待 若对试听效果满意，点击下载 系统生成音频。 按钮，即可将生成的语音音频 立即播放，实时聆听效果。 保存为文件。 基础实践①：朗读古诗《望岳》 诗句原文 岱宗夫如何？齐鲁青未了。 造化钟神秀，阴阳割昏晓。 齊魯 宗夫 思考时刻 朗读这首古诗时，语速应该快还是慢？哪里需要停顿才能更好地表达情感 动手操作 尝试在系统中调整不同的语速和音调参数，生成语音，找到最能体现古诗 韵味的设置。 基础实践②：发布一则校园通知 白通知文本内容 “请全体同学注意，明天下午三点，在学校体育馆举行消防 安全演练，请准时参加。” 思考时刻 合成操作 根据通知的场景，选择合适 通知应该用什么样的语气？ 男声还是女声更合适？ 的音色，并调整语速和语调 模拟出严肃且清晰的广播 需要传达出什么样的感觉？ 通知效果。 实践记录与对比 请同学们填写下方的实践记录表，对比在朗读不同文本时，选择不同音色、语速和音调所产生的合成效果，并提出针对 性的优化建议。 文本内容 音色选择 语速 音调 合成效果（主观评价】 优化建议 例如：沉稳男声 中速/慢速 中/略高 富有感情/过于平淡 调整语速，增加顿挫感 古诗《望岳》 /温柔女声 (标为数值) (标为数值) 断句是否自然？ 增强语气起伏 例如：播报员音 正常/稍快 标准/略低 清晰易懂/吐字不清 降低音调，突出重点信息 日常通知 /客服女声 (标为数值) (标为数值) 是否有亲和力？ 提升整体清晰度 拓展实践：创意工坊，制作你的专属语音作品 01/任务二选一 校园广播通知 为班级制作一则下周的活动通知，清晰传达关键信息 有声读书笔记 为你最近读的一本书，录制一段精彩片段的朗读分享 核心要求：合理运用语速、音调、停顿技巧 让作品更生动： 作品分享与评价 创意分享时刻 邀请几位同学上台展示自己的创意语音作品，分享你的制 作思路与灵感来源。 互评维度参考： 语音质量 语调语速 内容创意 清晰、自然 贴合场最 构思新颗 案例分析：生活服务 车载导航 智能客服 有声读物/听书 解放双手，让驾驶更安全。 7x24小时在线，随时解答问题。 让眼睛休息，随时随地“阅读”。 案例分析：教育学习 有声教材 帮助学生随时随地复习课文，利用碎片化时间巩固知识 ，提升学习效率。 语言学习 永德读屏软件 Cn 提供标准的发音示范，支持多语种切换，用于跟读练习 ,帮助纠正发音，提升口语水平。 东维面人可 辅助学习 帮助视力障碍或阅读困难的学生“听”懂课本内容，打 破视觉障碍，实现教有资源的无障碍获取， 案例分析：公共服务 金 应急广播 交通枢纽 银行/医院叫号 为机场、火车站提供清晰、标准的航 通过语音叫号实现业务办理的有序引 在紧急情况下，快速向公众传递重要 班与列车信息播报，引导旅客有序出 导，优化服务流程，有效或少客户等 信息，保障信息高效触达。 行 待焦虑 社会价值讨论：。技术向善，语音合成的力量 小组讨论 语音合成技术给哪些特殊群体带来了便利？它有哪些重要 的社会意义？ 信息普惠 文化传播 提升效率 让不识字或视力障碍 通过语音复刻保护和 在客服、有声读物等 的人也能无障碍获取 行业中极大解放了人 信总 传承颜危的方言文化 力 伦理思考：技术是一把双刃剑 如果被恶意利用，后果不堪设想 利用语音合成技术模仿他人声音，实施诈骗、造谣、勒索等 行为，将严重侵犯个人隐私与财产安全，甚至引发社会信任 危机。 △口典型风险场景 诈期分子利用A1技术生成高度逼真的“领导”或“亲友”语 音，诱导受害者进行转账汇款，防不胜防， 拒绝技术滥用 技术发展的初衷是造福人类 而非成为作恶的工具 做负责任的数字公民 。保持警惕，不轻信、不转账，多方核实陌生语音。 共建可信·安全·美好的数字世界 ·规范技术使用边界，严守法律与道德底线。 ·树立正确价值儿，共同纸到和举报技术滥用行为。 课堂小结：本节课我们学到了什么？ 一个定义(TTs) 四个核心流程 一个技术关键 语音合成(Text-to-Speech 文本分析一分词处理一韵 韵律处理是语音合成的灵魂。 01 ，是将文本转化为自然语音的 律处理一语音生成。这四个 它决定了合成语音的自然度 技术，通俗地讲，就是让机器 02 步骤环环相扣，共同完成语音 031 停顿和语调，是避免“机器人 像人一样“开口说话”。 合成的任务 味”的核心技术环节。 三大应用领域 项社会责任 ·生活服务：智能音箱互动、地图导航语音播报、短视 技术发展的最终目的是造福人类，我们在享受语音合成 04 频配音 带来便利的同时，必须遵守法律法规，坚持“技术向善 ·教育学习：有声读物、语言听力助手、教材同步音频 05 ”，合理规范地使用技术，共同维护一个健康、可信的 ·公共服务：视障人士阅读辅助、政务/银行热线语音引 数字生态环境 导 知识关联：智能语音交互的闭环 我们学习了语音识别(“听”)和语音合成(“说”)。将两者结合，机器不仅能听懂我们的指令，还能自然地回应我 们，从而构建一个完整的人机对话系统，让生活更加智能便捷。 语音识别（听）+语音合成（说）=完整的智能语音交互 1.语音输入 2.语音识别(ASR) 3.语义理解( (NLP) 4.语音合成(TTS) 5.语音输出 捕捉用户声音信号 将语音转为文字 分析并理解用户意图 将文字转换为语音 播放机器回应 总结与展望：探索人工智能的更多奥秘 总结 。Summary 今天我们学会了让机器“开口说话”，感受到了人工智能 的魅力。希望大家能学以致用，将今天草握的知识运用到 实践中，用技术创造更美好的生活。 展望·uture 下节课，我们将继续探索人工智能“能看”的奥秘一图 像识别技术。敬请期待： 感谢聆听！ 期待与您的下一次相遇