Audible 用可控 TTS 与 BookLLM 提升有声书语音合成效果

Audible 技术团队用可控 TTS 合成有声书，角色对话区分度在 MUSHRA 测试中提升 3.7 分，英语和西班牙语测试中 10 个音色有 8 个的听感显著改善。其 BookLLM 组件自动识别书中角色并标注对话，英语和西班牙语角色识别准确率分别为 97% 和 94%。团队还构建了带语音特征描述的数据合成流水线与语音描述模型，形成合成数据飞轮。