AI念得字正腔圆，但它知道自己说了什么吗？

你有没有留意过一件事：那些能把文字流畅读出声的AI，在朗读一段复杂的讽刺时，语调居然没有任何波澜。VernoLabs最新这篇研究问了一个很尖锐的问题——文本转语音模型，它到底知不知道自己说了什么？我的判断很明确：大多数TTS模型本质上只是在走一条从文字到声学特征的管道，语义理解对它来说是个盲区。模型能把"这句话是反话"念得字正腔圆，但语音输出里不会浮现任何讽刺意味。这不代表TTS不需要改进——恰恰相反，如果连"知道自己在说什么"都做不到，那它和一段预设的机械朗读程序之间，到底还差多远？

原文：Does a text-to-speech model know what it's saying? · 来源：Hacker News