我最近用讯飞和豆包的TTS合成了表演中的串词，合成出来就感觉效果平淡，即使自己调整停顿也很难调出真实的效果，感情就更不必说了。然后和人家专业的念出来的一比，更是被薄纱，然后我把他们念的又用AI变成我想要的音色，得到的虽有人声的感情，但音色却变得很奇怪。