跨语言TTS评测基准与推理时时长估计策略

研究者针对无对齐TTS模型在跨语言场景中因字符时长差异导致的时长失配问题，构建了覆盖英语和九种印度语言的跨语言评测基准，并提出一种语言感知的推理时时长估计策略。 该策略无需重新训练或修改模型架构，即可引入语言特定的每字符时长统计。在双语和多语言A-DMA模型上的实验显示，语音自然度、可懂度和说话人相似度均有提升，同时时长失配减少。研究团队已公开数据集与代码配方。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。