arXiv · AI· Abdul Rehman, Jian-Jun Zhang, Xiaosong Yang·· 2026-10-06AI 评分22
文本能否单独推断韵律风格?来自无监督声学聚类的证据
Can Prosodic Style Be Inferred from Text Alone? Evidence from Unsupervised Acoustic Clusters
AI 导读
一项研究用无监督声学聚类检验"文本足以选择韵律风格"这一假设,在 1,200 小时对话语料库的六位说话人上,文本嵌入对聚类 top-3 准确率仅比多数类基线高 +0.111。 词袋基线即达到该增益的四分之三,句嵌入仅额外贡献 +0.026,且在 360 种配置中声学聚类在文本嵌入空间均不紧凑。 研究认为文本主要通过词汇选择而非语义来提示韵律风格,无参考的风格选择不能假设更多。
来源:arXiv · AI · arxiv.org