arXiv · AI· Qibing Bai, Yuhan Du, Tom Ko, Shuai Wang, Yannan Wang, Haizhou Li·· 2026-10-05AI 评分21
可控口音归一化:基于离散扩散的 DLM-AN 系统
Controllable Accent Normalization via Discrete Diffusion
AI 导读
针对语言学习和配音场景对口音强度调节的需求,研究者提出基于掩码离散扩散的可控口音归一化系统 DLM-AN。该系统通过通用词预测器选择性复用源语音 token 来控制口音保留度,并引入流匹配时长比例预测器自动调整发音节奏。在多口音英语数据实验显示,DLM-AN 实现了最低的词错误率,同时保持了具有竞争力的口音抑制效果和可解释的口音强度控制。
来源:arXiv · AI · arxiv.org