作者介绍了 BlueMagpie-TTS，这是一个旨在解决现成文本转语音（TTS）模型对台湾国语口音和代码切换语境适应不良的系统。该系统集成了 PangolinTokenizer、Barbet 语言模型和 VoxCPM2 声学堆栈，以减少分词错误并提高发音准确性。

  • PangolinTokenizer 在九个测试的分词器中实现了最低的分词率（0.485 token/字符）。
  • Barbet 是一个千亿参数的繁体中文语言模型，在 14 项任务评估中排名第一。
  • BlueMagpie-TTS 将字符错误率（Character Error Rate）从 11.45% 降低到 4.81%，将词错误率（Word Error Rate）从 14.83% 降低到 5.36%。
  • 在盲听测试中，65.6% 的多数投票者更倾向于 BlueMagpie-TTS 而非其他系统。

该系统为带有台湾口音的代码切换语音合成提供了显著准确性和自然度的提升。