TTS · 佔總分 30% · 所有隊伍必考
成條技術鏈入面最未解決嘅一環。粵語至今冇一把主導嘅合成聲音,而原因係結構性嘅,唔係加多啲訓練數據就解決到。
辨識要分得出 6 個聲調,合成就要先講到佢哋分得開。講唔好嘅時候,唔會表現為講錯字——而係一把香港人聽落唔信得過嘅聲。以下四樣係我哋聽得最多嘅。
婦 fu5 → 父 fu6
講得快或者喺句尾嗰陣,低升調塌落去變咗低平調。
「婦」變咗「父」。句子照樣通順,但係個人變咗;喺一通講緊受益人嘅電話入面,冇任何上下文救得返。
沒有 → 冇
出嚟嘅係文法正確嘅書面語,用廣東話讀出嚟,唔係真正嘅口語粵語。
每一句都啱,但係冇人咁講嘢。呢個係香港合成語音最常見嘅「露餡」方式。
你個 claim 已經 approve 咗
啲英文字用返英文嘅重音同節奏讀,所以句話講到一半就好似換咗個人講。
香港人成日夾雜,而且夾得好順。呢度有條駁口,比講錯一個字更加明顯。
HK 七三二一四五
啲數字用同一個節奏讀晒出嚟,冇分組,又或者「一」同「七」讀錯咗聲調。
一個要講兩次嘅保單號碼,等於一通長一倍嘅電話,而客人第一次已經抄錯咗。
單靠問一句「聽落自唔自然?」係捉唔到以上任何一樣,所以自然度同清晰度分開評分,兩者旁邊仲有一個聲調檢查。喺索償熱線上面,一把把第五聲讀平咗嘅溫暖聲線,衰過一把讀得準嘅機械聲。
自然度同清晰度由母語者分開評分。兩者會分道揚鑣:一把好平嘅聲可以非常清楚,一把好親切嘅聲一樣可以讀爛個保單號碼。
把聲喺成通電話入面有冇保持同一個身分,定係一句一句咁飄移。
將合成出嚟嘅語音餵返落一個參照辨識器。如果機器都讀唔返出嚟,人就係喺度估。
二元評分,由專家核對:保單號碼、醫療名詞,同埋嵌喺粵語句子入面嘅英文詞。