面向二语学习者的清晰语音合成：基于元音时长特性的L2定制化TTS
声音
2025-09-04 v2 计算与语言
音频与语音处理
摘要
我们提出了首个面向二语学习者（L2）的文本语音合成（TTS）系统。我们利用美式英语紧张元音（较长）和宽松元音（较短）之间的时长差异，为Matcha-TTS创建了“清晰模式”。我们的感知研究显示，法语L1、英语L2听者在使用清晰模式时，至少有9.15%的转录错误率下降，且认为其更鼓励且更尊重。值得注意的是，听者并未意识到这些效果：尽管清晰模式下的错误率下降，听者仍认为减慢所有目标词是最易理解的，这表明实际易理解性与感知易理解性并不一定相关。此外，我们发现Whisper-ASR并未使用与L2学习者相同的数据线索来区分困难元音，无法充分评估TTS系统针对这些学习者的易理解性。
引用
@article{arxiv.2506.23367,
title = {You Sound a Little Tense: L2 Tailored Clear TTS Using Durational Vowel Properties},
author = {Paige Tuttösí and H. Henny Yeung and Yue Wang and Jean-Julien Aucouturier and Angelica Lim},
journal= {arXiv preprint arXiv:2506.23367},
year = {2025}
}
备注
Accepted to ISCA Speech Synthesis Workshop, 2025, Project webpage here: https://rosielab.github.io/clear_speech/ Code here: https://github.com/chocobearz/Matcha-TTS-L2-clarity