SP-MCQA: Evaluating Intelligibility of TTS Beyond the Word Level
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Tee, Hitomi Jin Ling, Wang, Chaoren, Zhang, Zijie, Wu, Zhizheng |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Closing the Modality Reasoning Gap for Speech Large Language Models
par: Wang, Chaoren, et autres
Publié: (2026)
par: Wang, Chaoren, et autres
Publié: (2026)
SD-Eval: A Benchmark Dataset for Spoken Dialogue Understanding Beyond Words
par: Ao, Junyi, et autres
Publié: (2024)
par: Ao, Junyi, et autres
Publié: (2024)
Word-wise intonation model for cross-language TTS systems
par: A., Tomilov A., et autres
Publié: (2024)
par: A., Tomilov A., et autres
Publié: (2024)
Advancing Zero-shot Text-to-Speech Intelligibility across Diverse Domains via Preference Alignment
par: Zhang, Xueyao, et autres
Publié: (2025)
par: Zhang, Xueyao, et autres
Publié: (2025)
Neurodyne: Neural Pitch Manipulation with Representation Learning and Cycle-Consistency GAN
par: Gu, Yicheng, et autres
Publié: (2025)
par: Gu, Yicheng, et autres
Publié: (2025)
TouchTTS: An Embarrassingly Simple TTS Framework that Everyone Can Touch
par: Song, Xingchen, et autres
Publié: (2024)
par: Song, Xingchen, et autres
Publié: (2024)
EE-TTS: Emphatic Expressive TTS with Linguistic Information
par: Zhong, Yi, et autres
Publié: (2023)
par: Zhong, Yi, et autres
Publié: (2023)
Qwen3-TTS Technical Report
par: Hu, Hangrui, et autres
Publié: (2026)
par: Hu, Hangrui, et autres
Publié: (2026)
Emilia: A Large-Scale, Extensive, Multilingual, and Diverse Dataset for Speech Generation
par: He, Haorui, et autres
Publié: (2025)
par: He, Haorui, et autres
Publié: (2025)
DiaMoE-TTS: A Unified IPA-Based Dialect TTS Framework with Mixture-of-Experts and Parameter-Efficient Zero-Shot Adaptation
par: Chen, Ziqi, et autres
Publié: (2025)
par: Chen, Ziqi, et autres
Publié: (2025)
JoyTTS: LLM-based Spoken Chatbot With Voice Cloning
par: Zhou, Fangru, et autres
Publié: (2025)
par: Zhou, Fangru, et autres
Publié: (2025)
Beyond Unified Models: A Service-Oriented Approach to Low Latency, Context Aware Phonemization for Real Time TTS
par: Fetrat, Mahta, et autres
Publié: (2025)
par: Fetrat, Mahta, et autres
Publié: (2025)
SingNet: Towards a Large-Scale, Diverse, and In-the-Wild Singing Voice Dataset
par: Gu, Yicheng, et autres
Publié: (2025)
par: Gu, Yicheng, et autres
Publié: (2025)
Word Level Timestamp Generation for Automatic Speech Recognition and Translation
par: Hu, Ke, et autres
Publié: (2025)
par: Hu, Ke, et autres
Publié: (2025)
SingVisio: Visual Analytics of Diffusion Model for Singing Voice Conversion
par: Xue, Liumeng, et autres
Publié: (2024)
par: Xue, Liumeng, et autres
Publié: (2024)
Transfer the linguistic representations from TTS to accent conversion with non-parallel data
par: Chen, Xi, et autres
Publié: (2024)
par: Chen, Xi, et autres
Publié: (2024)
Multi-interaction TTS toward professional recording reproduction
par: Kanagawa, Hiroki, et autres
Publié: (2025)
par: Kanagawa, Hiroki, et autres
Publié: (2025)
RWKVTTS: Yet another TTS based on RWKV-7
par: yueyu, Lin, et autres
Publié: (2025)
par: yueyu, Lin, et autres
Publié: (2025)
MunTTS: A Text-to-Speech System for Mundari
par: Gumma, Varun, et autres
Publié: (2024)
par: Gumma, Varun, et autres
Publié: (2024)
Llama-VITS: Enhancing TTS Synthesis with Semantic Awareness
par: Feng, Xincan, et autres
Publié: (2024)
par: Feng, Xincan, et autres
Publié: (2024)
An investigation of phrase break prediction in an End-to-End TTS system
par: Vadapalli, Anandaswarup
Publié: (2023)
par: Vadapalli, Anandaswarup
Publié: (2023)
A Language Modeling Approach to Diacritic-Free Hebrew TTS
par: Roth, Amit, et autres
Publié: (2024)
par: Roth, Amit, et autres
Publié: (2024)
Bailing-TTS: Chinese Dialectal Speech Synthesis Towards Human-like Spontaneous Representation
par: Di, Xinhan, et autres
Publié: (2024)
par: Di, Xinhan, et autres
Publié: (2024)
Aliasing-Free Neural Audio Synthesis
par: Gu, Yicheng, et autres
Publié: (2025)
par: Gu, Yicheng, et autres
Publié: (2025)
GOAT-TTS: Expressive and Realistic Speech Generation via A Dual-Branch LLM
par: Song, Yaodong, et autres
Publié: (2025)
par: Song, Yaodong, et autres
Publié: (2025)
Hard-Synth: Synthesizing Diverse Hard Samples for ASR using Zero-Shot TTS and LLM
par: Yu, Jiawei, et autres
Publié: (2024)
par: Yu, Jiawei, et autres
Publié: (2024)
Daisy-TTS: Simulating Wider Spectrum of Emotions via Prosody Embedding Decomposition
par: Chevi, Rendi, et autres
Publié: (2024)
par: Chevi, Rendi, et autres
Publié: (2024)
Noro: Noise-Robust One-shot Voice Conversion with Hidden Speaker Representation Learning
par: He, Haorui, et autres
Publié: (2024)
par: He, Haorui, et autres
Publié: (2024)
You Sound a Little Tense: L2 Tailored Clear TTS Using Durational Vowel Properties
par: Tuttösí, Paige, et autres
Publié: (2025)
par: Tuttösí, Paige, et autres
Publié: (2025)
Can we reconstruct a dysarthric voice with the large speech model Parler TTS?
par: Sanchez, Ariadna, et autres
Publié: (2025)
par: Sanchez, Ariadna, et autres
Publié: (2025)
GSA-TTS : Toward Zero-Shot Speech Synthesis based on Gradual Style Adaptor
par: Lee, Seokgi, et autres
Publié: (2025)
par: Lee, Seokgi, et autres
Publié: (2025)
Solla: Towards a Speech-Oriented LLM That Hears Acoustic Context
par: Ao, Junyi, et autres
Publié: (2025)
par: Ao, Junyi, et autres
Publié: (2025)
Leveraging the Interplay Between Syntactic and Acoustic Cues for Optimizing Korean TTS Pause Formation
par: Jeon, Yejin, et autres
Publié: (2024)
par: Jeon, Yejin, et autres
Publié: (2024)
DualCodec: A Low-Frame-Rate, Semantically-Enhanced Neural Audio Codec for Speech Generation
par: Li, Jiaqi, et autres
Publié: (2025)
par: Li, Jiaqi, et autres
Publié: (2025)
StoryTTS: A Highly Expressive Text-to-Speech Dataset with Rich Textual Expressiveness Annotations
par: Liu, Sen, et autres
Publié: (2024)
par: Liu, Sen, et autres
Publié: (2024)
Accent conversion using discrete units with parallel data synthesized from controllable accented TTS
par: Nguyen, Tuan Nam, et autres
Publié: (2024)
par: Nguyen, Tuan Nam, et autres
Publié: (2024)
HiFi-Glot: High-Fidelity Neural Formant Synthesis with Differentiable Resonant Filters
par: Gu, Yicheng, et autres
Publié: (2024)
par: Gu, Yicheng, et autres
Publié: (2024)
Word-Level ASR Quality Estimation for Efficient Corpus Sampling and Post-Editing through Analyzing Attentions of a Reference-Free Metric
par: Javadi, Golara, et autres
Publié: (2024)
par: Javadi, Golara, et autres
Publié: (2024)
CM-TTS: Enhancing Real Time Text-to-Speech Synthesis Efficiency through Weighted Samplers and Consistency Models
par: Li, Xiang, et autres
Publié: (2024)
par: Li, Xiang, et autres
Publié: (2024)
A2TTS: TTS for Low Resource Indian Languages
par: Bhadoriya, Ayush Singh, et autres
Publié: (2025)
par: Bhadoriya, Ayush Singh, et autres
Publié: (2025)
Documents similaires
-
Closing the Modality Reasoning Gap for Speech Large Language Models
par: Wang, Chaoren, et autres
Publié: (2026) -
SD-Eval: A Benchmark Dataset for Spoken Dialogue Understanding Beyond Words
par: Ao, Junyi, et autres
Publié: (2024) -
Word-wise intonation model for cross-language TTS systems
par: A., Tomilov A., et autres
Publié: (2024) -
Advancing Zero-shot Text-to-Speech Intelligibility across Diverse Domains via Preference Alignment
par: Zhang, Xueyao, et autres
Publié: (2025) -
Neurodyne: Neural Pitch Manipulation with Representation Learning and Cycle-Consistency GAN
par: Gu, Yicheng, et autres
Publié: (2025)