Kaldi音素校验TTS读音方法发布

goldengrape 发布并在 muse.ai 上验证了一套可复现的 TTS 发音校验方法，通过将声学解码得到的音素与目标字正确读音逐项比对，检查多音字和生僻字发音，不再依赖受语言模型影响的汉字识别结果。 该方法使用打包为 Kaldi chain 模型的 Vosk 中文大模型 vosk-model-cn-0.22，需配置 OpenFST 插件路径，并将音频转为 16 kHz 单声道。测试环境为 Linux x86_64、CPU、约 4 GB 内存和 4 GB 磁盘；小模型的私有 lookahead 解码图会导致上游 Kaldi 解码器段错误，目标字在测试句中出现两次以上可相互验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。