3.5 小时数据训出近人声希腊语 TTS，确定性提示解决说话人漂移
kastnerkyle · x · 2026-09-13
Interspeech 2026 论文《Deterministic Prompting for Speaker-Stable Low-Resource Greek TTS》展示如何在数据稀缺语种上做出高质量单说话人 TTS。
- 数据策展：用 WhisperX 对齐和过滤，把有声书录音转成 TTS 可用数据
- 底座：微调 880M 的多语提示式模型 Parler-TTS，其预训练编码了可迁移到希腊语的语音先验
- 关键发现：LLM 生成的风格提示会在推理时引起说话人漂移；改用确定性提示即可解决
- LoRA 锚定：仅用 3.5 小时单说话人数据训练说话人专属 LoRA（约 5% 参数），稳定音色
- 成绩：WER 10.7%（仅比 ASR 下限高 2.9），MOS-I 4.00（人声 4.36），说话人一致性 MOS-C 4.24（人声 4.30）
结论：有限策展数据即可实现鲁棒的单说话人希腊语 TTS。
「多模态」频道最新
- 曝 Gemini 4 Carbon 实测:比 Opus 5.5 便宜 3 倍、快一倍以上 — vitaliychiley · 2026-10-31
- AI 生成童话短片：眼泪变毛线，全镇疯狂造泪 — gizakdag · 2026-10-31
- ComfyUI 预览图节点扩展：点击即可一键保存出图 — sitefall · 2026-10-31
- 用 Gemini 全家桶拍 MKUltra 黑历史微剧,总 API 花费仅约 $35 — korymath · 2026-10-31
- 手柄当无人机操控镜头:Godot 相机路径数据喂给 Wan 生成视频 — droidsculptor · 2026-10-31
- Customuse 推出 Decals:解决 3D AI 模型生成清晰 Logo 与文字的短板 — SimplyAnnisa · 2026-10-31