Phonetic forced alignment

新型AI模型改进低资源语种的语音对齐

研究人员开发了专门针对低资源语种的新型语音强制对齐模型，重点关注成都方言。他们使用一个17小时的语料库训练了一个依赖文本的GMM-HMM模型（Chengdu-MFA）和一个不依赖文本的模型（Chengdu-FC）。评估结果显示，与标准普通话基线相比，模型有了显著改进，Chengdu-MFA将音素边界差异减少了31.8%，Chengdu-FC减少了61.2%。这项工作为在没有大量手动标注的情况下为资源匮乏的语言创建准确的对齐器提供了一种实用的方法。