研究揭示ASR往返评估掩盖了TTS阅读错误

一篇新发表在arXiv上的研究论文指出了自动语音识别（ASR）往返评估在评估中文新闻文本到语音（TTS）系统时的局限性。研究发现，该方法会掩盖上下文和约定相关的阅读错误，即TTS系统产生一个看似合理但发音错误的语音，而自动语音识别（ASR）系统仍能正确转录。对MiMo TTS和CosyVoice系统的审计揭示了大量此类被掩盖的错误，这表明ASR往返评估可用于初步筛选，但不足以作为评估中文新闻TTS阅读风险的唯一依据。 AI

影响 强调了评估TTS系统的一个关键缺陷，可能影响更准确、更具上下文感知能力的语音合成的开发。

排序理由 学术论文，详细介绍了一种新的TTS系统评估方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• ASR-roundtrip evaluation
• Chinese news TTS
• CosyVoice
• MiMo TTS
• parametric transformer
• Qwen3 ASR

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →