EmphTTS：GRPO强化学习实现词级重音控制TTS

Zirui Li等作者发布论文提出EmphTTS，一个非自回归TTS系统，将GRPO（组相对策略优化）应用于时长预测器，并配合重音定位奖励，直接优化词级重音控制。 论文报告称，评测中该系统在重音可控性和客观指标上均表现最佳，主观偏好测试中显著优于合成groundtruth及多数基线；消融实验显示GRPO的重音实现效果超过监督微调时长建模和简单语速调整，并缓解了独立训练的时长预测器与TTS模型之间的不匹配。上述效果均为论文报告结果。

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。