11:57
官方账号arXiv cs.AI@Oluwanifemi Bamgbose, Simon Rosen, Jash Shah, Lindsay Devon Brin, Hoang H Nguyen, Anke Koelzer, Rachel Hansen, Tara Bogavelli, Fanny Riols
推荐理由：做TTS评测的可以看看，这篇把自然度拆成10个维度，实测发现MOS和Audio-LLM都测不全，还公开了数据集和代码。
Audio-LLM
共 1 条相关 AI 资讯
8月11日
11:57
arXiv论文提出首个维度级TTS元评估基准，将自然度拆解为10个语言学感知维度，包含860条由语言学家标注的语音样本。基准测试4个MOS预测器和4个Audio-LLM评判器后发现，MOS预测器仅反映声学信号质量，Audio-LLM评判器对特定提示有选择性检测且无法跨维度泛化。两类方法均不能可靠捕捉语言学结构化的语音错误。数据集、标注模式和评估代码已公开。