复旦大学 发布 VStyle 数据集, 应用在 语音合成、风格适应性评估 领域

复旦大学 本次发布的数据集 VStyle, VStyle是一个用于评估语音风格适应性的双语文本数据集，包含四个类别的语音生成：声学属性、自然语言指令、角色扮演和隐含同理心。该数据集由1523个指令组成，旨在评估语音模型根据语音指令调整其说话风格的能力。数据集构建采用混合人工-LLM方法，并通过大型音频语言模型（LALM-as-a-Judge）框架进行评估，以实现可扩展和客观的自动评估。

查看VStyle

关于 复旦大学 , 复旦大学是中国顶尖的综合性研究型大学，位于上海，是中国高等教育的重要基地之一。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。