Hugging Face · 每日论文· 媒体 / 作者来源·精选
SEAM：低资源TTS的频谱嵌入对齐与合并方法
原文标题
SEAM: Spectral Embedding Alignment and Merging for Low-Resource TTS
AI 导读
研究团队提出SEAM方法，通过零音频初始化从已知子词构建未见词元的嵌入，应用频谱滤波保留时间音素顺序，使用闭式岭回归对齐新嵌入与预训练条件流形。在三种语言和两种TTS架构上，SEAM使用最多减少四倍的训练数据接近或匹配基线性能，相比随机初始化和均值池化降低75%的样本复杂度。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
SEAM为低资源语音合成提供了一种轻量、可复现且理论基础的词汇扩展方法，显著减少训练数据需求。
导读由模型辅助整理，非独立核验。完整信息见原文。