本研究解决了生成诗歌系统在数据工程和自动评估中评估诗歌遵循韵律规则的有效工具不足的问题。我们提出了俄罗斯诗歌扫描工具库，旨在进行俄语音节重音标注、韵律检测以及识别诗意缺陷，并发布了RIFMA数据集，为现代大语言模型在诗歌文本中准确标注重音提供评估工具。这些资源为创意生成AI领域的研究人员和从业者提供了宝贵的支持，促进了生成诗歌系统的发展与评估。

本研究解决了文本到语音合成中难以生成多样化韵律输出的问题，通过将视觉特征融入韵律预测，提出了一种新模型VisualSpeech。实验结果表明，视觉特征为韵律生成提供了超出文本输入的有价值线索，显著提升了合成语音的自然性和准确性。

本研究针对当前说话人自适应文本到语音（TTS）合成方法在目标语音样本数量和质量上存在的高敏感性问题，提出了一个名为Stable-TTS的新框架。该框架通过利用高质量的预训练数据集中少量样本的韵律一致性，有效捕捉目标说话人的音色，显著提升了合成能力，尤其在样本稀缺与噪音较多的情况下表现出色。

本研究比较了自然语言翻译中的直接方法与传统叠加方法，发现两者性能差距消失。提出了综合层次系统以转移情感，并建立了基准测试集。研究探讨了不同发音对韵律转移的影响，提出多尺度、多模态的文本到语音系统以增强韵律表现。评估了预训练语言模型在文本转语音中的影响，发现迁移学习显著提高性能，对低资源语言模型建设具有重要意义。

本研究针对现有语音韵律建模方法中依赖于全局风格表示的不足，探索了基于残差向量量化的音素级编解码器的韵律建模能力。通过对编码器和解码器进行语言表示的条件处理，研究结果表明，该方法在解耦效果上取得了显著进展，能够有效捕捉韵律信息，其潜在空间具有可解释的结构，主要成分与音调和能量相关联。

本研究探讨了讽刺的声学特征、讽刺用语使用的倾向和韵律线索之间的相互作用。研究发现，当讽刺意义明显时，韵律线索的相关性较低。此外，还有其他研究探讨了讽刺解释、情感识别和讽刺检测等相关主题。

本研究探讨哪些韵律特征在传达语用功能中具有重要性，尤其侧重于预测人类对话语对之间语用相似性的感知。研究发现，持续时间相关特征优于音高相关特征，且话语开头的特征比话语结尾的特征更为重要。这些结果为语音合成评估及未来韵律研究提供了重要的指导。

本文探讨了音频特征识别、口音转换和韵律信息学习等语音处理技术。研究表明，使用wav2vec 2.0和对抗学习等先进模型，可以有效提高口音识别和转换的准确性与自然度，推动语音到语音翻译系统的发展。

本文探讨了中文歌词生成模型的研究进展，包括基于分层注意力的Seq2Seq模型、多通道模型以及可控歌词生成系统SongRewriter。这些模型通过大规模语料库训练，提高了歌词的主题相关性、一致性和韵律质量，展示了创新方法和有效性。

本文介绍了一种神经文本转语音系统，利用变分自动编码器实现韵律特征转移，解决文本缺失问题。研究涵盖音频特征训练、语调生成、语音克隆及多语言合成等技术，提升合成语音的自然度和表现力，并在低资源语言中实现高质量语音生成。

本文探讨了大型语言模型中的性别偏见，提出了一种基于条件生成的间接探测框架，以揭示显性和隐性偏见。研究发现，所有测试模型均存在性别偏见，且模型规模的增加未能改善公平性。文章提供了缓解偏见的方法，并强调在开放式语言生成中报告偏见的重要性。

本文介绍了多种基于机器学习的诗歌和歌词生成模型，包括无监督诗歌生成、基于Transformer的说唱生成系统DeepRapper和可控中文歌词生成系统SongRewriter。这些模型通过不同技术手段提升了生成内容的韵律、创造力和质量，实验结果表明其生成作品的质量与人类创作相当。

该研究利用ASL-LEX词库和自动化识别方法，探讨手语生成中的韵律和认知障碍。通过数据驱动建模和混合特征，提升了手语识别的分类效果，并提出了新颖的自然语言辅助手语识别框架，显著提高了识别性能。

通过本文介绍的一种基于本地序列对齐的无监督方法，将诗歌文本编码为一系列韵律特征的字符串，从而检测诗歌中的结构相似性，以便进行跨语言和历史研究。

本文探讨了语言与性别刻板印象的关系，分析了537人的问卷调查结果，发现性别偏见在歌词和语言模型中普遍存在。研究表明，尽管歌词中的性别歧视有所减少，男性艺术家的作品仍表现出更强的偏见。此外，提出了减轻社会偏见的算法和评估框架，以促进对边缘化群体的公平对待。

通过分析生物医学、心理学和自然语言处理领域的研究，探讨了自闭症的语言、韵律和声学线索。调查发现自闭症的定义、共病疾病、语言流畅性、韵律特征等观察结果。介绍了基于词汇的方法和机器学习、转换器的方法。研究发现女性患者研究有限，自然语言处理研究偏向传统机器学习方法，未找到音频和文本特征结合的研究。