Refiner-DB

新的LoopTTS系统使用AudioLLM来优化合成语音质量

研究人员开发了LoopTTS，一个新颖的闭环文本到语音（TTS）系统，旨在纠正合成音频中的韵律缺陷。该系统利用AudioLLM作为裁判来识别重音错位或不自然停顿等问题，然后采用细粒度指令遵循TTS模型Refiner，通过引导式纠正来重新合成音频。一个新的包含42,000个标注示例的数据集Refiner-DB被创建用于训练Refiner，该系统展示了比现有方法更高的音频质量和更好的韵律控制。