著者らは、市販のテキスト読み上げモデルが台湾語 Mandarin のアクセントやコードスイッチングの文脈への適応が不十分であるという課題に対処するために設計されたシステム、BlueMagpie-TTSを発表しました。このシステムは、トークン化エラーを削減し発音精度を向上させるため、PangolinTokenizer、Barbet言語モデル、およびVoxCPM2音響スタックを組み込んでいます。

  • PangolinTokenizerはテストされた9つのトークナイザーの中で最も低いトークン率（0.485トークン/文字）を達成しています。
  • 10億パラメータの繁体字中国語言語モデルであるBarbetは、14タスクの評価で第1位を獲得しました。
  • BlueMagpie-TTSは文字誤り率を11.45%から4.81%に、単語誤り率を14.83%から5.36%に低下させました。
  • 盲聴テストでは、多数の投票でBlueMagpie-TTSが他のシステムよりも好まれた割合は65.6%でした。

このシステムは、台湾語 Mandarin アクセントのコードスイッチング音声合成において、精度と自然さの大幅な改善を提供します。