通过插入不流利现象增强 LLM 生成话语的自然度
计算与语言
2025-10-28 v2
摘要
不流利现象是人类自发语音的自然特征，但在大型语言模型（LLM）的输出中通常是不存在的。这种缺失会降低合成语音的感知自然度，而感知自然度是构建旨在模仿人类行为的对话智能体时的重要标准。我们展示了如何通过插入不流利现象来缓解这一缺陷。所提出的方法包括：（1）使用低秩适应对 LLM 进行微调，以将各种类型的不流利现象融入 LLM 生成的话语中；（2）使用支持生成诸如不流利现象等语音现象的文本到语音模型来合成这些话语。我们通过两个指标评估了生成语音的质量：可懂度和感知自发性。我们通过一项用户研究表明，插入不流利现象显著提高了生成语音的感知自发性。然而，这种提高伴随着可懂度的轻微下降。
引用
@article{arxiv.2412.12710,
title = {Enhancing Naturalness in LLM-Generated Utterances through Disfluency Insertion},
author = {Syed Zohaib Hassan and Pierre Lison and Pål Halvorsen},
journal= {arXiv preprint arXiv:2412.12710},
year = {2025}
}
备注
8 pages. Limitations, ethical considerations, and references are additional