Praxy Voice：语音提示恢复 + BUPS，用于从冻结的非印度语基地进行商业级印度语 TTS，商业训练数据成本为零

商业 TTS 系统产生近乎原生的印度语音频，但最好的开源库（Chatterbox、Indic Parler-TTS、IndicF5）在测量的语音维度上落后于它们，而最广泛采用的多语言库（Chatterbox，23 种语言）甚至没有标记泰卢固语或泰米尔语。我们问：在不训练新的声学解码器和任何商业 TTS 训练数据的情况下，将这种非印度语母语基础带入泰卢固语、泰米尔语和印地语的商业级输出的最小干预是什么？我们结合了三个部分：（1）BUPS，一个婆罗米语统一音素空间，它确定地将七个印度文字罗马化为 ISO-15919，以便 Chatterbox 的拉丁语分词器可以处理它们； (2) 仅针对文本标记预测器（Chatterbox 的 t3）的 LoRA 适配器，使用印地语代理 language_id 在约 1,220 小时的许可印度语音频上进行训练； (3) 语音提示恢复配方——一个 8-11 秒的同语言参考剪辑加上三个采样覆盖（夸张 0.7，温度 0.6，min_p 0.1；“配置 B”）——无需声学解码器训练即可恢复商业级声学输出。在印地语中，LoRA 会降低准确性，我们改为使用普通 Chatterbox + Config B，提供两个分支部署。使用配套的 PSP 基准对 10 个语音试点集进行评估，Praxy Voice 匹配或略微领先商业基线：泰卢固语上的卷舌折叠为 26.7%（相对于 Sarvam Bulbul 的 33.3%）、泰米尔语折叠为 71%（相对于商业三人组的 86%）、印地语上的 0.025 LLM-WER（与 Cartesia 并列）索尼克-3）。对于句子内代码混合，我们添加了第三个分支（IndicF5 + 本机脚本音译），将 Hi/Te/Ta 中的代码混合 LLM-WER 从 0.80-0.85 下降到 0.14-0.27。我们发布了 R6 LoRA 权重 (Apache-2.0)、推理代码和路由器 (MIT) 以及 Gradio 演示。