语音合成技术已进入日常应用，但场景适配仍有差距。
自然度提升明显。韵律与停顿的处理比早期方案自然，长句朗读的机械感大幅下降。
情感表达仍是短板。语调的细微变化难以完全还原，抒情与激动的表达容易失真。
多音字与专有名词的处理需要定制。地名、人名与专业术语，依赖词库与规则维护。
音色授权必须规范。模仿真人声线的合成，需要明确授权范围，避免侵害权益。
无障碍场景价值突出。为视障用户朗读文本，是这类技术最实在的用途之一。
方言与少数民族语言的覆盖不足。语料积累有限，合成质量与普通话差距明显。
语音合成的落地关键是场景与语料的匹配，通用模型解决不了专业领域的朗读需求。