大模型对汉语轻声词的发音标注错误类型分析与训练数据优化建议.docxVIP

PAGE2

大模型对汉语轻声词的发音标注错误类型分析与训练数据优化建议

摘要

生成式人工智能与理论语言学的交叉融合为语音合成技术带来了突破，但大模型在汉语轻声词发音标注上仍存在显著缺陷。本文聚焦大模型对“东西”“意思”“清楚”等典型轻声词的发音标注错误，系统剖析其错误类型与生成机制，并提出训练数据优化策略。全文遵循“提出问题→分析问题→解决问题”的逻辑递进思路展开。

首先，本文通过测试多个主流TTS模型，归纳出读原调与轻声音高错误两大核心错误类型，揭示问题表象。其次，基于理论语言学视角，深入解析轻声词发音错误的结构性成因与内在矛盾，阐释大模型声学特征映射机制的深层逻辑与作用边界。最后，针对错误成因，提出包含音高曲线精细化标注与语境特征融合的标注规范改进方案，构建优化的理论框架。

本文主体在于通过理论解析阐释大模型轻声词发音错误的本质，并以此为基础重构标注规范，旨在弥合理论语言学韵律规则与大模型数据驱动范式间的鸿沟，为提升生成式AI的汉语语音合成自然度提供理论支撑与实践指导。

第一章绪论

1.1研究背景

随着生成式人工智能技术的飞速发展，大模型在自然语言处理与语音合成领域的应用日益广泛。TTS模型在多语种合成上表现出极高自然度，但在汉语轻声词处理上仍面临严峻挑战。社会现实背景中，智能语音交互设备普及，用户对语音自然度与情感表达的要求不断提升，轻声词发音错误极大降低了交互体验