arXiv 论文提出面向文本-语音对齐的自适应时长预测框架

1. 12:00
   arXiv · cs.AI

   用于文本-语音对齐的自适应时长模型

   论文提出一种新的时长预测框架，可根据文本给出音素级时长分布，用于神经 TTS 的语音-文本对齐。基于摘要，实验显示该模型相比已有基线预测更精确、对条件更具适应能力，在音素级对齐精度上有明显提升，并使零样本 TTS 模型对提示音频与输入音频不匹配更鲁棒。以上为论文摘要信息，未经全文核验。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。