ARIA：从演唱音频生成粤语歌词的框架

Shengyu Li 等研究者提出 ARIA，一个两阶段的音频驱动框架，可从带字符级时间戳的演唱录音直接生成粤语歌词。该方法先用 TRATE 从音频预测 0243 声调序列，再用 DRA-TCLG 结合检索增强的词汇引导，生成声调一致的歌词；研究者同时构建了大规模对齐的音频-Jyutping-0243 数据集。 该论文已被 Findings of EMNLP 2026 接收，目前仅以预印本形式公开。

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。