ITMO 提出 SEAM 方法，低资源 TTS 词表扩展节省 75% 训练数据

ITMO 大学团队提出 SEAM（Spectral Embedding Alignment and Merging）方法，通过零音频的 token embedding 初始化，减少条件 TTS 模型词表扩展所需的配对音频微调数据。该方法结合谱低通滤波与闭式岭回归，在低资源和跨语言适配场景下将训练数据需求降低 75%。