自然语音合成中韵律分割的影响
计算与语言
2025-11-20 v1
摘要
自然语音在语音合成中 presents several challenges， particularly in capturing conversation中包括话者轮流、停顿和不完整语等自然流畅性。尽管语音合成系统在通过能够隐式建模韵律特征（如音高、强度和持续时间）的架构方面取得了显著进展以生成自然且易于理解的语音，但带有显式韵律分割注释的数据集及其对自然语音合成的影响仍基本未被探索。本文评估了手动和自动韵律分割注释在巴西西语语音合成质量上的效果。实验结果表明，使用韵律分割进行训练会产生略微更易于理解和更自然的语音。虽然自动分割倾向于创建更规则的片段，但手动韵律分割引入更大的变数性，这有助于实现更自然的韵律。分析中性陈述句时，两种训练方法都再现了预期的核重音模式，但韵律模型与自然前核轮廓的对齐程度更高。为支持可重复性和未来研究，所有数据集、源代码和训练好的模型均在 CC BY-NC-ND 4.0 许可证下公开。
关键词
引用
@article{arxiv.2511.14779,
title = {The Impact of Prosodic Segmentation on Speech Synthesis of Spontaneous Speech},
author = {Julio Cesar Galdino and Sidney Evaldo Leal and Leticia Gabriella De Souza and Rodrigo de Freitas Lima and Antonio Nelson Fornari Mendes Moreira and Arnaldo Candido Junior and Miguel Oliveira and Edresson Casanova and Sandra M. Aluísio},
journal= {arXiv preprint arXiv:2511.14779},
year = {2025}
}