arXiv · NLP· Jing Pan, Haibin Wu, Minxue Niu, Florian Metze, Yuzong Liu·· 3 天前AI 评分33
CosyVoice 2 中基于跨 Token 迁移的非语言文本转语音数据效率研究
A Systematic Study of Cross-Token Transfer for Data-Efficient Non-Verbal Text-to-Speech
AI 导读
在 CosyVoice 2 框架下,少量笑声数据搭配其他非语言声音(如咳嗽)可显著提升生成效果。仅用 200 条笑声样本加 3,200 条咳嗽样本,笑声端到端 F1 从 0.170 升至 0.529,超过 1,600 条纯笑声样本的 0.495。 该研究发现跨 Token 迁移在低资源非语言声音生成中具有互补价值。 这一结论为缓解非语言数据稀缺问题提供了新的技术路径。
来源:arXiv · NLP · arxiv.org