研究人员开发了一个对话语音美学模型(CVAM),这是一个语音大型语言模型,旨在评估真实或合成语音的美学质量。CVAM分析性别、音高、语速、情感和表达等语音特征,并借鉴了约3000个人类对情感和表达等主观属性的标注。该模型在合成描述上进行了微调,然后使用人类判断进行了优化,与Gemini 3.1 Pro和其他开源语音LLM相比,在与人类听众的一致性方面表现更优。 AI
影响 这项研究可能带来更细致的AI语音生成和评估系统,从而改善对话场景中的人机交互。
排序理由 该集群包含一篇详细介绍新模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →