热点事件持续更新
研究人员提出对话式TTS音素适配法改善生僻词发音
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究人员在arXiv发表预训练对话式文本转语音（TTS）模型的音素适配研究。该研究通过ARPAbet词表扩展、音素增强的有监督微调（SFT）以及免训练的推理期声学偏置，为预训练对话式TTS模型引入音素控制能力，旨在解决生僻词发音难题。在7,500条临床药物发音评测中，严格的Gemini判定发音正确率从无音素增强的54.6%提升至90.7%，超越了所有对话式与无状态TTS基线。此外，盲测人类研究显示，成年听众判定其发音正确率达到84%。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
研究人员提出对话式TTS音素适配法，使临床药物等生僻词发音评测正确率提升至90.7%。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 自然语言处理攻克生僻词发音：预训练对话式文本转语音模型的音素适配研究
研究人员通过 ARPAbet 词表扩展、音素增强的有监督微调（SFT）及免训练的推理期声学偏置，为预训练对话式文本转语音（TTS）模型引入音素控制能力。在 7,500 条临床药物发音评测中，严格的 Gemini 判定正确率从无音素增强的 54.6% 提升至 90.7%，超越所有对话式与无状态 TTS 基线。盲测人类研究显示，成年听众判定其发音正确率达 84%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。