Los autores presentan BlueMagpie-TTS, un sistema diseñado para abordar la mala adaptación de los modelos de texto a voz (TTS) comerciales a los acentos del mandarín taiwanés y los contextos de cambio de código. El sistema integra PangolinTokenizer, el modelo de lenguaje Barbet y la pila acústica VoxCPM2 para reducir errores de tokenización y mejorar la precisión de la pronunciación.
- PangolinTokenizer logra la tasa de tokens más baja (0.485 tokens/carácter) entre nueve tokenizadores probados.
- Barbet, un modelo de lenguaje de mil millones de parámetros en chino tradicional, ocupa el primer lugar en una evaluación de 14 tareas.
- BlueMagpie-TTS reduce la Tasa de Error de Caracteres (Character Error Rate) del 11.45% al 4.81% y la Tasa de Error de Palabras (Word Error Rate) del 14.83% al 5.36%.
- En pruebas de escucha a ciegas, el 65.6% de los votos mayoritarios prefirieron BlueMagpie-TTS frente a otros sistemas.
El sistema proporciona mejoras significativas en precisión y naturalidad para la síntesis de voz con cambio de código y acento taiwanés.