Cantonese Voice Benchmark粵語語音基準
EN繁中

TTS · 佔總分 30% · 所有隊伍必考

你講唔講得出?

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。

六條聲調,講返出嚟。

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。

  1. 聲調變平

    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。

  2. 照讀書面語

    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。

  3. 中英夾雜嘅語調

    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。

  4. 一串數字

    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。

量度啲乜

MOS 平均意見分

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。

一致性

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。

Loop-back CER 回讀字錯率

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。

專門詞發音

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。

點解喺呢度特別難

聲調生成
要每一次都準確做出六個聲調,生成比辨識難。
中英接口
大部分系統轉去英文同轉返粵語嗰一刻,口音都會聽得出變咗。
口語標記
真實嘅香港客服對話充滿「係喂」、「嗯」、「唔該」。冇咗呢啲,把聲聽落就係一段錄音。