PulseAugur
中
实时 11:50:51
English(EN) Reliable Neural-Codec Text-to-Speech by ASR Self-Verification and Distillation: Near-Zero Catastrophic Failures Across Models and Codecs

新方法大幅减少神经编解码器文本到语音转换模型的故障

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种方法，可以显著减少开放自回归神经编解码器文本到语音转换（TTS）模型的灾难性故障。通过采用自动语音识别（ASR）自验证，即多个ASR模型评估TTS输出，可以将故障率降至接近于零。然后，这种鲁棒性可以被蒸馏回TTS模型，在推理时以零额外成本恢复大部分改进的性能。该方法在各种TTS系统和编解码器中都显示出有效性，尽管一个较大的模型对改进表现出抵抗力。 AI

影响 提高了TTS系统的可靠性，通过减少意外的输出故障，使其更适合实际应用。

排序理由 学术论文，详细介绍了改进TTS模型可靠性的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ali Asaria, Tony Salomone, Deep Gandhi ·

    Reliable Neural-Codec Text-to-Speech by ASR Self-Verification and Distillation: Near-Zero Catastrophic Failures Across Models and Codecs

    arXiv:2606.18323v1 Announce Type: cross Abstract: Open autoregressive neural-codec text-to-speech (TTS) models sound excellent on typical inputs yet suffer stochastic catastrophic failures: on a meaningful fraction of utterances they emit silence, terminate early, or collapse int…

相关实体

相关话题