Oluwanifemi Bamgbose等发布基于语言学维度的TTS评估基准

Oluwanifemi Bamgbose等人构建并发布首个基于语言学基础的TTS元评估基准。该研究将语音自然度解构为10个语言学感知维度，基准包含860条语音片段。 实验揭示MOS预测器与Audio-LLM裁判的局限性：MOS预测器对韵律和副语言声学属性更敏感；Audio-LLM裁判呈现依赖提示词的选择性检测，偏好识别词级错误。两类模型均无法可靠捕捉广泛的语言结构语音错误，相关数据集与评估代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。