g2p

本文提出一种无需训练的发音转录流程，通过集成词法资源和声学模型，实现低错误率和高效率，性能优于包括商用多模态LLMs在内的基线方法。

本文研究了弱监督ByT5微调用于重音感知的句子级菲律宾语字素到音素转换，在人工修正的测试集上显著降低了音素和字符错误率。

This paper presents FastThaiG2P, a sub-millisecond Thai grapheme-to-phoneme conversion tool for TTS pipelines, achieving 0.15 ms average latency on a 27k-utterance benchmark. The authors demonstrate it by training a StyleTTS 2 Thai TTS model on a phonemized 20-hour open dataset.