語音合成技術(shù)（TTS）是一種語音處理領(lǐng)域主要發(fā)展方向，主要的使用現(xiàn)代技術(shù)讓機器生成自然動聽的人類語音。TTS技術(shù)可分為通用型和個性化兩種，通用TTS可被應用在智能客服、導航等各種領(lǐng)域，而個性化TTS應用在對于聲音質(zhì)量要求較高的直播、教育、游戲配音等場景。在泛娛樂大背景下，TTS技術(shù)應用需求較高，行業(yè)得到快速發(fā)展。
根據(jù)新思界產(chǎn)業(yè)研究中心發(fā)布的《2021-2026年中國語音合成技術(shù)（TTS）行業(yè)應用市場需求及開拓機會研究報告》顯示，就TTS產(chǎn)業(yè)鏈進行分析，其上游為數(shù)據(jù)產(chǎn)品和服務(wù)，主要有阿里巴巴、百度、騰訊云等，目前數(shù)據(jù)標記的準確率在60%以上，最高可以達到90%左右。中游為語音合成企業(yè)，主要有思必馳、云知聲、科大訊飛、百度、阿里巴巴等。語音合成企業(yè)利潤率較高，但由于前期對于技術(shù)開發(fā)時間較長、投入的資金較高，因此目前大多企業(yè)尚未實現(xiàn)盈利。由以上可以看出，語音合成產(chǎn)業(yè)鏈中上游呈現(xiàn)一體化融合趨勢。
隨著5G時代的到來，通訊技術(shù)的成熟，信息傳播的速度變快，方式也逐漸多樣化，語音合成得到市場的青睞，被應用在泛娛樂、智慧交通、智能硬件、音頻、教育等多種領(lǐng)域。就當前來看，導航是TTS應用普及度最高的場景。
長音頻主要指的是廣播劇、有聲閱讀等，是TTS技術(shù)主要應用市場。隨著互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)文化的多樣性、個性化推動長音頻用戶不斷增長，在2020年我國長音頻用戶規(guī)模達到8億人。在直播、游戲、二次元等泛娛樂領(lǐng)域應用技術(shù)不成熟，實現(xiàn)商業(yè)化產(chǎn)品較少，市場規(guī)模相對較少，但隨著虛擬偶像產(chǎn)業(yè)的發(fā)展，語音合成技術(shù)在該領(lǐng)域的應用需求將持續(xù)攀升。
就語音合成行業(yè)發(fā)展來看，隨著漫長時間的技術(shù)改革，當前該行業(yè)較為成熟，市場競爭結(jié)構(gòu)相對穩(wěn)定，新進入者難以進入市場，除非能夠研發(fā)出差異化產(chǎn)品才能生存。從市場消費方面來看，當前消費者對于TTS軟件的購買意向較低，對于硬件（如智能音箱）捆綁軟件的接受程度較高，因此TTS企業(yè)需要加強和硬件廠商的合作，推動TTS行業(yè)發(fā)展。
新思界產(chǎn)業(yè)分析人士表示，隨著5G時代的到來，我國通訊行業(yè)快速發(fā)展，TTS傳播方式簡單、方便，備受市場青睞，在各領(lǐng)域應用需求較高，行業(yè)得到快速發(fā)展。在市場競爭方面來看，TTS行業(yè)發(fā)展多年，市場競爭結(jié)構(gòu)較為穩(wěn)定，且已經(jīng)形成上下游一體化的趨勢，因此新進入企業(yè)發(fā)展難度較大。
