离线文字转语音 • 支持所有构建平台！ • 适合于 Windows、macOS、Android 和 iOS 的原生提供程序 将文本转换为语音 • 即时从文本转换到语音 — 在运行时即可生成！ • 连带作用：连续的音频生成可节省大量内存！ • 在游戏的测试阶段无需配音演员！ • 按姓名、文化和/或性别筛选语音 • 一次可以发出多种声音（例如，公共场所中很多人同时讲话的场景） • 通过语速、音调和音量微调你的声音！ • 支持 SSML 和 EmotionML！ • 在 Windows 和 iOS 上提供最新的单词、唇形和音素 — 包括标记！ • 生成的音频可以存储为文件在 Unity 中反复使用！ • 单个 AudioSource 匹配 1-infinite 同步发音人！ • 简单的顺序和对话系统 • 不降低性能！ • 提供超过 1000 种声音选择！ Support for Unity 2023

传统语音增强——最小方均(LMS)自适应滤波算法

实现文本转换成语音，可播放或导出wav，已内测LILY语音并通过测试

阿里音库合成语音，大量合成语音定制换，通用场景，客服场景，英文场景。阿里所有音库都支持 需要扣我 ，上面为示例音库。支持mp3,wav等语音格式

基于matlab进行语音情感识别，通过特征空间得到该语音包含的离散情感

DTW算法，与matlab自带算法类似，只是不需要转置矩阵了。（但是二者算出的值不一样，具体效果待测）

VC++视频开发实例集锦(包括“远程视频监控”"语音识别系统"等13个经典例子)

针对语音情感识别中的特征提取问题,通过多层深度信念网络(DBN)自动提取语音信号中的情感特征,把连续多帧的语音拼接在一起,形成一个高维抽象特征,将深度信念网络训练好的特征作为极限学习机(ELM)分类器的输入端,最终建立一个语音情感识别系统。实验结果表明,在CASIA情感语音数据库中,本方法优于其他情感识别方法。

为了提高语音情感识别系统的识别准确率，在传统支持向量机（SVM）方法的基础上，提出了一种基于主成分分析法（PCA）的多级SVM情感分类算法。首先将容易区分的情感分开，针对混淆度大且不能再利用多级分类策略直接进行区分的情感，采用PCA进行特征降维，然后逐级地判断出输入语音所属的情感类型。与传统基于SVM分类算法的语音情感识别相比，本方法可将七种情感的平均识别率提高5.05%，并且特征维度可降低58.3%，从而证明了所提出方法的正确性与有效性。

用于生产条码对比，并进行语音播报结果，提高生产准确性，提高生产效率与速度，保证品质