JaiTTS：一个泰语语音克隆模型
计算与语言
2026-05-08 v2
摘要
我们提出JaiTTS-v1.0，一个通过在大型泰语中心语音语料库上持续训练构建的最先进的泰语语音克隆文本到语音模型。该模型架构改编自VoxCPM，一个无分词器的自回归TTS模型。JaiTTS-v1.0直接处理数字和泰英代码切换（在现实场景中非常常见），无需显式的文本规范化。我们在短时和长时语音生成上测试了模型，这反映了许多真实世界的用例。JaiTTS-v1.0在短时任务上实现了1.94%的最先进字符错误率（CER），超越了人类基准的1.98%，而在长时任务上则与人类基准表现相当。在人类评判评估中，我们的模型在与商业旗舰产品的400次成对比较中赢得了283次，仅输掉58次。我们的代码和演示可在https://github.com/JTS-AI-Team/JaiTTS获取。
引用
@article{arxiv.2604.27607,
title = {JaiTTS: A Thai Voice Cloning Model},
author = {Jullajak Karnjanaekarin and Pontakorn Trakuekul and Narongkorn Panitsrisit and Sumana Sumanakul and Vichayuth Nitayasomboon and Nithid Guntasin and Thanavin Denkavin and Attapol T. Rutherford},
journal= {arXiv preprint arXiv:2604.27607},
year = {2026}
}