F5-TTS-RO：针对罗马尼亚语TTS的轻量级输入适配
计算与语言
2025-12-16 v1
摘要
本工作介绍一种轻量级输入级适配器，用于扩展F5-TTS模型以支持罗马尼亚语语音合成。为保留模型现有能力（语音克隆、英语和中文支持），我们保持原始权重冻结，追加子网络作为文本编码器文本嵌入矩阵的扩展。为简化操作，我们依赖F5-TTS中实现的ConvNeXt模块来建模新的字符级嵌入之间的共依赖关系。该模块充当“软”字母到声音层，将罗马尼亚语文本转换为连续表示，供F5-TTS模型用于生成自然 sounding 的罗马尼亚语语音。我们邀请20名人类听者进行评估，涵盖三个任务：（a）参考语音与生成语音的音频相似性，（b）发音和自然度，（c）罗马尼亚语-英语代码切换。结果表明，我们的方法保持了语音克隆能力，并在一定程度上实现了同一语音中的代码切换；然而，残余的英语语音特征仍然存在。我们开源代码并提供示例音频样本，地址为https://github.com/racai-ro/Ro-F5TTS。
引用
@article{arxiv.2512.12297,
title = {F5-TTS-RO: Extending F5-TTS to Romanian TTS via Lightweight Input Adaptation},
author = {Radu-Gabriel Chivereanu and Tiberiu Boros},
journal= {arXiv preprint arXiv:2512.12297},
year = {2025}
}
备注
Accepted at The 20th International Conference on Linguistic Resources and Tools for Natural Language Processing