Text Risk Score

新框架诊断复杂多语言文本语音合成的失效问题

研究人员开发了一个新框架，用于评估低资源多语言文本到语音（TTS）系统在处理复杂文本输入时的鲁棒性。该框架评估了泰语、越南语、斯瓦希里语和印度尼西亚语等语言在内容一致性、语言一致性和生成稳定性方面的表现。该研究引入了自动诊断指标和文本风险评分（TRS），无需手动标注或模型训练即可预测合成风险。在OmniVoice、VoxCPM2和MMS-TTS上的实验揭示了在处理数字、日期、命名实体和代码转换表达时存在不同的失效模式，凸显了当前评估方法的局限性。