[控场AI]
概念grapheme-to-phoneme / 音素转换 / 字形到音素转换

G2P

语音合成系统中将书写文字转换为对应发音音素序列的技术模块,是TTS流水线的关键环节,通常针对单一语种设计

时间轴 (近 90 天)

11月19日

音素前端对低资源语言的 G2P 质量依赖,是 LipSpell 向更多语言扩展时绕不开的约束。

待验证50%
9月18日

多语言TTS模型的技术架构通常包含语言识别、音素转换(G2P)和声学模型三个核心模块

待验证50%
9月18日

大多数G2P模块是为单语种设计的,当输入语种标签出现歧义或切换滞后时会产生错误的音素序列

待验证50%
9月8日

当前最先进的基于Transformer架构的G2P系统在英语上的音素错误率已降至约5%以下

待验证50%

全部知识事实 (4)

来源文章