लेखकों ने BlueMagpie-TTS का परिचय दिया, जो एक ऐसा सिस्टम है जो तैयार-बाजार टेक्स्ट-टू-स्पिच (TTS) मॉडल्स के ताइवानियाई मंडरिन एक्सेंट और कोड-स्विचिंग संदर्भों में खराब अनुकूलन की समस्या को हल करने के लिए डिज़ाइन किया गया है। सिस्टम टोकनाइजेशन त्रुटियों को कम करने और उच्चारण सटीकता को बेहतर बनाने के लिए PangolinTokenizer, Barbet भाषा मॉडल, और VoxCPM2 एकाउस्टिक स्टैक को एकीकृत करता है।
- PangolinTokenizer नौ परीक्षण किए गए टोकनाइज़र्स में सबसे कम टोकन दर (0.485 टोकन/अक्षर) हासिल करता है।
- Barbet, एक अरब पैरामीटर वाला पारंपरिक-चीनी भाषा मॉडल, 14-कार्य मूल्यांकन में पहले स्थान पर है।
- BlueMagpie-TTS चरित्र त्रुटि दर (Character Error Rate) को 11.45% से घटाकर 4.81% कर देता है और शब्द त्रुटि दर (Word Error Rate) को 14.83% से घटाकर 5.36% कर देता है।
- अंधे श्रवण परीक्षणों में, बहुमत के वोटों का 65.6% अन्य सिस्टमों की तुलना में BlueMagpie-TTS को पसंद करता था।
सिस्टम ताइवानियाई एक्सेंट वाले कोड-स्विचिंग स्पीच सिंथेसिस के लिए सटीकता और प्राकृतिकता में महत्वपूर्ण सुधार प्रदान करता है।