音声合成

テキストから音声、口の動き、その他のモダリティを音声に変換するタスクがテキスト読み上げ合成（Text-to-Speech Synthesis）です。この技術は、自然で滑らかな音声出力を生成することを目指し、アルゴリズムを通じて人間とコンピュータの相互作用の体験やアクセシビリティ技術の応用価値を向上させます。この分野の研究は継続的に進展していますが、評価サンプルの違いにより、異なる研究間でのランキング表の比較は困難となっています。