资讯摘要
论文提出在无需预训练或中期训练的情况下，为预训练对话式TTS模型增加音素可控性，方法包括ARPAbet词表扩展、持续音素增强监督微调和免训练推理时声学偏置。作者报告在7500条临床药名发音评测中，严格Gemini判定正确率从54.6%升至90.7%；盲测人评中84%片段被判正确，最强基线为82%，置信区间重叠。
要点速读
- 方法为ARPAbet词表扩展、持续音素增强SFT与免训练推理时声学偏置，未做预/中期训练
- 作者报告7500条临床药名评测严格Gemini正确率由54.6%升至90.7%，优于所比较的对话式与无状态TTS基线
- 盲测随机人评中84%片段被判正确，最强基线82%，分层子集置信区间重叠；Gemini与人类多数标签一致率84.8%（kappa=0.57）
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:31（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。