实时互动网
·
缓解 TTS 的重复与漏读：用注意力引导消除语音合成中的稳定性幻觉
原文中文，约5600字，阅读约需14分钟。
📝
内容提要
近年来，基于大语言模型的语音合成技术快速发展。在普通文本上，模型已经能够稳定生成自然度很高、音色也足够相似的语音。然而，一旦遇到复杂生僻词、排比句或连续重复结构，重复、漏读甚至无限...
🏷️
