迈向 Efik 的数字化保存：资源匮乏的非洲语言的 TTS

Efik 是一种声调语言，尼日利亚东南部约有 300 万第二语言使用者和 150 万母语人士使用，但在语音合成研究中的代表性仍然不足。我们为 Efik 提出了第一个有记录的端到端文本到语音研究，引入了一个包含 2,632 个话语的精选单说话者语料库，总计三个小时，并对四种神经模型（VITS、MMS-TTS、SpeechT5 和 Orpheus-TTS）在低资源条件下进行了比较评估。母语人士使用 MOS、Nat-MOS 和 A-MOS 评估系统。 MMS-TTS 达到了 3.80 +/- 0.63 的最高 MOS，并产生了更稳定的长格式语音，但音调错误仍然存​​在。其他模型显示出更大的音调和韵律不一致。这些结果提供了可重复的基线，并强调需要更大的语料库和非洲声调语言的声调感知模型。