arXiv · NLP· Yashish M. Siriwardena, Dinesh K. Gnanasekaran, Tanmay Laud, Shinji Watanabe, Subhabrata Mukherjee, Shanil Puri·· 3 小时前AI 评分23
预训练对话TTS模型的音素适配：提升生僻药物发音准确率
Pronouncing Hard Words: Phoneme Adaptation of a Pretrained Conversational Text to Speech Model
AI 导读
研究在预训练对话 TTS 模型中引入音素控制，无需预训练，利用 ARPAbet 扩展与推理时声学偏置，将 7,500 条药物发音测试的严格准确率从 54.6% 提升至 90.7%。 在盲测研究中，84% 的音频被判定为正确，优于最强基线（82%），且所有评估药物均未在训练阶段出现，证明提升源于发音学习而非记忆。
来源：arXiv · NLP · arxiv.org