我是TTS的研究生，大家就觉得gpt有什么不足

kemco

是这样，我是一个人工智能的研究生，然后方向是语音生成。

现在接触了gpt-sovits的生成语音，感觉确实很强，不知道大家觉得还有哪些不足的，我试图改进（创新点

DFL小白02

当然是语音停顿和语调方面了，没有感情的朗读

kemco

DFL小白02 发表于 2025-4-15 19:27
当然是语音停顿和语调方面了，没有感情的朗读

好，这个我也考虑过，主要是句读问题，语调也有办法引导

seancai110

主要是要让ai理解文字之后，自己生成语调吧。

百里瑾轩

一个是重复问题比较严重，还有口胡比较严重，再一个多音字要自己手动输入很累，有没办法直接内置啊，还有电音问题。

dada_sky

这个好！肯定是感情，语调，需要的是正常带情感的说话，而不是读课文的效果。你可以参考seedvc变声模拟音调，但那个又变得不太准了

kemco

seancai110 发表于 2025-4-16 03:04
主要是要让ai理解文字之后，自己生成语调吧。

是通病

kemco

百里瑾轩 发表于 2025-4-16 08:39
一个是重复问题比较严重，还有口胡比较严重，再一个多音字要自己手动输入很累，有没办法直接内置啊，还有电 ...

你好，重复是什么意思？口胡是什么，说出非文本引导词吗。多音字这个其实比较简单，注入大模型就可以，不过好像没人做；电音这个我倾向于是模型训练问题，主要可能是你数据集

seancai110

kemco 发表于 2025-4-17 00:30
是通病

和语言大模型结合一下呢，就像让gpt写ai绘图提示词一样

kemco

seancai110 发表于 2025-4-17 00:51
和语言大模型结合一下呢，就像让gpt写ai绘图提示词一样

没有这么简单，这个涉及到复杂的语义理解。