论文
ISCSLP 2026 CoT-TTS 挑战：上下文感知文本转语音的思维链推理
ISCSLP 2026 CoT-TTS Challenge: Chain-of-Thought Reasoning for Context-Aware Text-to-Speech
摘要
文本转语音 (TTS) 领域的最新进展极大地提高了语音自然度、说话者相似度和可控性。然而，大多数现有的可控TTS系统仍然依赖于用户提供的明确的风格提示，这使得在长而复杂的对话场景中自动确定句子应该如何说是困难的。该提案引入了 ISCSLP 2026 CoT-TTS 挑战赛，旨在评估系统是否能够从上下文信息推断出预期的说话方式，并生成与推理输出和周围场景一致的语音。该挑战包含两个轨道：文本上下文感知 CoT-TTS 和音频上下文感知 CoT-TTS。我们从语音富媒体构建大规模双语训练集，并为排行榜比较提供仔细过滤的评估数据。每个系统都需要输出思想链推理分析和生成的语音波形。官方评估结合了客观指标、基于 LLM 的多模态评估和人类主观评估。为了促进可重复性，我们为通过三阶段策略训练的 0.6B 基于 Qwen3 的模型提供了推理代码和 微调 配方。这一挑战预计将支持上下文理解、思维链推理和表达性语音生成等应用的研究，例如电影配音、有声读物制作、虚拟角色和口语对话代理。有关相关挑战的更多信息，请访问：https://iscslp2026-cot-tts.github.io/challenge-website/