口音与语言
合成人声先过语种关，口音是重音与音素的位移，不是音色开关
口音语种可懂度发音
相关
口音不是音色
合成人声换口音，很多人的第一反应是找一个带口音的音色。实际发生的是两件事：音素表换了，韵律规则也换了。同一个模型唱英语和唱法语，辅音、元音、重音位置都得跟着变；只换音色，得到的是一把外国嗓子按母语习惯念外语。判断一条合成人声能不能用，先问它唱的是哪种语言、哪种变体，再问音色像不像。
三种走样
第一种是音素替换，模型把没见过的元音塞进最近的母语类别，法语鼻化音变成带鼻音的 on，德语 ü 变成 u。第二种是重音错位，英语里名词和动词同形不同重，唱错就把句子的意思改了。第三种是节奏拉平，每个音节给一样的时长，日语的长音促音、中文的轻声全被抹掉。三种里最容易被忽略的是第三种，它不影响像不像人，只影响听不听得懂。
语种对照
| 语种 | 常丢的 | 验收时抓什么 |
|---|---|---|
| 英语 | 词尾辅音、重音 | 同形名词与动词的重音是否分开 |
| 法语 | 鼻化元音、连诵 | 词与词之间有没有连起来 |
| 德语 | 复合词重音、清浊 | 词尾有没有被吃掉 |
| 中文 | 声调、轻声、儿化 | 同音字是否靠调区分 |
| 日语 | 长音、促音、音高重音 | 拍数有没有被拉平 |
验收与边界
找母语者听，不要找外语很好的同事。给听者一份原文，让他标出听错的词；错集中在同一声母或同一个位置，才是模型的问题，散落在各处，多半是混音或咬字。歌唱比说话更难判，颤音和长音会盖住辅音，验收时把伴奏降到最低。法律、医疗、儿童内容不要用合成人声承担关键信息；小语种和方言先确认模型是否真的覆盖，产品页写支持，不等于覆盖你需要的那个变体。拿不准时把外语段落交给真人，合成只做和声或小样。
在库中听例子
Mandoline德彪西《曼陀林》，法语鼻化元音挤在快速音节里，听合成有没有吞尾（C1）详情Come Away, Death奎尔特《来吧，死亡》，英语词首辅音决定词边界，含糊就听不出词（C1）详情Katerino Mome保加利亚民歌，非英语元音与装饰，窄语种模型容易唱平（C1）详情Aubade-Habanera霍尔梅斯《晨曲》，法语连诵与句重音，合成最容易丢的两处（C1）详情
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
同一条线
事实来源
- International Phonetic Association, Handbook of the International Phonetic Association（Cambridge University Press）中关于音素、重音与韵律的章节。
- 多家合成歌声产品文档里对支持语种、发音词典与口音选项的说明。
- IPA chart and phonetics textbooks on phoneme inventories, stress and prosody.