语音视位和 Amazon Polly

语音视位代表说一个词时的面部和口腔位置。它是一个音素的视觉等价物，是形成单词的基本声学单元。语音视位是语音的基本可视构建基块。

每种语言都有一组与其特定音素相对应的 viseme。在语言中，每个音素都有相应的代表口腔发音时的形状的语音视位。然而，并非所有语音视位都能映射到特定的音素，因为许多音素虽然听上去不一样，但发音时的形状相同。例如，在英语中，单词“pet”（宠物）和“bet”（打赌）声音上是不同的。但是，在目视观察中（无声音），它们看起来完全相同。

下图显示了部分国际语音字母 (IPA) 音素和扩展语音评估方法语音字母 (X-SAMPA) 符号及其对应的美式英语配音的发音模组。

如需获得完整列表和所有可用语音的表格，请参阅 亚马逊 Polly 中的语言。