arXiv Artificial Intelligence· Oluwanifemi Bamgbose, Jash Shah, Simon Rosen, Lindsay Devon Brin, Hoang H Nguyen, Anke Koelzer, Rachel Hansen, Tara Bogavelli, Fanny Riols·· 3 小时前AI 评分31
研究：MOS 预测器与 Audio-LLM 评判器难以全面捕捉 TTS 语音的多维感知缺陷
Beyond Naturalness: Probing Automated Text-To-Speech Evaluators on Linguistically Grounded Dimensions
AI 导读
研究将 TTS 的“自然度”拆解为 10 个语言学感知维度，构建了首个维度级 TTS 元评测基准，含 860 条由受训语言学家标注的语音。
来源：arXiv Artificial Intelligence · arxiv.org