tts-evaluation

本文提出了一种方法，使用更大模型的合成语音构建紧凑的固定语音泰语TTS系统，评估其性能，并介绍了一个用于设备端部署的82M参数模型。

This paper studies a failure mode in ASR-roundtrip evaluation for Chinese news TTS, showing that fluency errors in context-dependent reading decisions can be masked by ASR surface recovery. A targeted audit across TTS and ASR systems quantifies these false negatives and proposes a human-audited protocol.

本文提出了一种基于分类器的框架，用于审计多语言TTS系统的音系忠实性，以阿萨姆语ATR元音和谐为案例研究。结果显示，Meta的MMS TTS频繁错误生成舌根前伸元音，而这种偏差在人类语音中不存在。