TMD-TTS: 统一的藏语多方言文本转语音框架，用于"乌思藏、安多和康巴"语音数据集生成
计算与语言
2026-04-21 v2 人工智能
摘要
藏语是一种低资源语言，其三大主要方言（"乌思藏、安多和康巴）的并行语音语料有限，限制了语音建模的进展。为解决这一问题，我们提出了 TMD-TTS，一个统一的藏语多方言文本转语音（TTS）框架，可通过显式方言标签合成并行方言语音。我们的方法包含一个方言融合模块和一个方言专用动态路由网络（DSDR-Net），用于捕捉各方言之间细粒度的声学与语言差异。大量客观和主观评估表明，TMD-TTS 在方言表现力方面显著优于基线方法。我们进一步通过一项具有挑战性的语音到语音方言转换（S2SDC）任务验证了合成语音的质量与效用。
引用
@article{arxiv.2509.18060,
title = {TMD-TTS: A Unified Tibetan Multi-Dialect Text-to-Speech Framework for \"U-Tsang, Amdo and Kham Speech Dataset Generation},
author = {Yutong Liu and Ziyue Zhang and Ban Ma-bao and Renzeng Duojie and Yuqing Cai and Yongbin Yu and Xiangxiang Wang and Fan Gao and Cheng Huang and Nyima Tashi},
journal= {arXiv preprint arXiv:2509.18060},
year = {2026}
}