语音合成中口音相似度的成对评估
音频与语音处理
2026-02-06 v1 计算与语言
声音
摘要
尽管人们对生成高保真口音的兴趣日益浓厚，但语音合成中口音相似度的评估却一直未得到充分探索。我们旨在增强口音相似度的主观和客观评估方法。在主观方面，我们通过添加组件改进了 XAB 听力测试，以更少的听者和更低的成本实现更高的统计显著性。我们的方法包括向听者提供转录文本、让他们标出感知到的口音差异，并实施严格筛选以确保可靠性。在客观方面，我们利用基于元音共振峰和音素后验图之间距离的发音相关指标来评估口音生成。对比实验表明，这些指标与口音相似度、说话人相似度和 Mel 倒谱失真一起均可使用。此外，我们的研究结果凸显了词错误率等常见指标在评估代表性不足的口音时的显著局限性。
引用
@article{arxiv.2505.14410,
title = {Pairwise Evaluation of Accent Similarity in Speech Synthesis},
author = {Jinzuomu Zhong and Suyuan Liu and Dan Wells and Korin Richmond},
journal= {arXiv preprint arXiv:2505.14410},
year = {2026}
}
备注
Accepted by INTERSPEECH 2025