arXiv cs.AI· Al Varrel Putra Kusuma, Fernando Bello, Joshua Brown·· 3 天前AI 评分23
AphaVoice：面向失语症患者模拟的文本转语音模型
AphaVoice: Text-to-Speech Model for Aphasia Patient Simulation
AI 导读
研究提出 AphaVoice，一个专门合成高度逼真失语症语音的 TTS 框架，用于缓解语言治疗临床资源不足下的医护人员培训难题。与当前最先进 TTS 系统相比，AphaVoice 在时间指标上更能捕捉失语症的不流畅临床特征，并持续保持说话人身份一致。该模型借助潜空间偏移（latent space shifting）支持多说话人生成而不牺牲语音真实感，论文已被 IEEE SLT 2026 接收。
正文 · AI 翻译
摘要：虽然语言治疗是卒中后失语症的主要治疗方法，但有限的临床资源往往限制了患者获得适当护理的机会。要弥补这一缺口，需要为医疗专业人员提供可靠的培训模拟。然而，当前的人工智能研究几乎完全集中在语音处理上，语音生成方面则基本未被探索。本研究提出了 AphaVoice，一种新颖的文本转语音（TTS）框架，专门用于合成高度逼真的失语症语音。与最先进的 TTS 系统相比，AphaVoice 在捕捉不流畅这一临床特征方面表现出更优越的能力，在时间指标上优于现有模型，同时始终维持说话人身份。通过利用潜在空间偏移，该模型还支持多说话人生成，而不牺牲语音真实感。最终，AphaVoice 为与失语症相关的医学培训和临床模拟提供了一种可扩展、高保真的工具。
| 评论： | 已被 IEEE Spoken Language Technology (SLT) 2026 接收 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14479 [cs.CL] |
| （或 arXiv:2610.14479v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14479 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Al Varrel Putra Kusuma [查看电子邮件]
[v1]
2026年10月10日星期六 02:22:51 UTC（765 KB）
来源：arXiv cs.AI · arxiv.org