数学表达式的文本转语音系统表现评估

对先进文本转语音 (TTS) 模型进行数学表达式 (MX) 评估工作有限。本文设计实验评估五种 TTS 模型通过听力和转录测试对各种 MX 类别的质量和可理解性。我们使用两个大语言模型 (LLM) 从 LaTeX MX 生成英文发音，因为TTS 模型无法直接处理 LaTeX。我们采用用户评分的平均意见分数 (Mean Opinion Score) 以及通过三种指标量化转录正确性来衡量可理解性。我们还比较了 TTS 输出相对于人类专家演示的听众偏好。结果表明，TTS 模型对 MX 的输出并非必然可理解，TTS 模型和 MX 类别之间的可理解性差距存在差异。对于大多数类别，TTS 模型的性能显著低于专家演示。LLM 选择的影响有限。这一发现表明需要改进针对 MX 的 TTS 模型。