多模态语音与情感 TTS

情绪语音

TTS 由情感标签驱动，同一句话可以用不同情绪表达。

语音通话包含倾听、思考、回复、打断和情绪反馈的状态机。

声音同时承载文本内容和情绪状态，成为完整的表达通道。

实时合成

实时情感 TTS 需要低延迟的语音合成、情绪标签与文本语义的融合。

通话中的打断、倾听和情绪反馈需要精细的状态管理。

在移动设备上稳定运行这些能力，对资源和延迟都是挑战。