Phonikud：用于实时语音合成的希伯来语字素到音素转换
计算与语言
2025-10-13 v2 声音
音频与语音处理
摘要
现代希伯来语的实时语音合成（TTS）具有挑战性，原因在于该语言的正字法复杂性。现有解决方案忽略了关键的语音特征，如重音，即使在添加元音符号后这些特征仍不明确。为解决这些局限性，我们引入了 Phonikud，一个轻量级、开源的希伯来语字素到音素（G2P）系统，输出完全指定的 IPA 转录。我们的方法基于现有的变音符号模型并采用轻量级适配器，引入的额外延迟可忽略不计。我们还贡献了 ILSpeech 数据集，包含带有 IPA 注解的转录希伯来语语音，作为希伯来语 G2P 的基准、TTS 系统的训练数据，以及通过捕捉重要语音细节实现 TTS 性能评估的音频到 IPA 转换工具。我们的结果表明，Phonikud 的 G2P 转换比先前方法更准确地预测希伯来语文本的音素，并且这使得能够训练具有更优速度-准确性权衡的有效实时希伯来语 TTS 模型。我们在 https://phonikud.github.io 发布了代码、数据和模型。
引用
@article{arxiv.2506.12311,
title = {Phonikud: Hebrew Grapheme-to-Phoneme Conversion for Real-Time Text-to-Speech},
author = {Yakov Kolani and Maxim Melichov and Cobi Calev and Morris Alper},
journal= {arXiv preprint arXiv:2506.12311},
year = {2025}
}
备注
Project page: https://phonikud.github.io