这些话还是词吗？衡量生成语音模型的胡说程度
音频与语音处理
2025-10-27 v1 声音
摘要
当前针对非侵入式质量和可理解性评估的研究努力日益增长，尤其是因为这使得能够为大规模野生语音数据集的筛选提供支持。然而，随着生成模型合成高质量语音的能力不断提升，新的人工现象也变得相关，例如生成幻觉。虽然侵入式指标能够捕捉此类与参考信号之间的差异，但当前的非侵入式方法对高质量音素混淆或更极端的胡说语音反应如何尚不明确。本文我们在完全无监督的设置下，通过利用语言模型来探讨如何纳入这一方面。此外，我们发布了一个高质量合成胡说语音数据集，以进一步发展衡量 spoken language 中不合理句子的度量方法，同时提供了从多种语音语言模型计算评分的 código。
引用
@article{arxiv.2510.21317,
title = {Are These Even Words? Quantifying the Gibberishness of Generative Speech Models},
author = {Danilo de Oliveira and Tal Peer and Jonas Rochdi and Timo Gerkmann},
journal= {arXiv preprint arXiv:2510.21317},
year = {2025}
}