语音生成面试指南
现代 TTS 的完整链路有哪些模块？
原题为什么需要文本规范化和音素？
原题自回归与非自回归 TTS 如何选？
原题Mel + vocoder 与 codec token 路线的差别？
原题零样本音色克隆依赖什么？
原题TTS 为什么会漏字、重复或停不下来？
原题如何降低首包延迟？
原题怎样评估 TTS？
原题ASR WER 下降但 MOS 也下降，可能发生了什么？
原题如何处理中文、英文、数字和代码混读？
原题参考音频带噪或情感很强时，怎样避免污染目标音色？
原题长篇有声书中如何保持人物音色和段落韵律一致？
原题流式生成的 chunk 边界出现爆音，如何定位？
原题怎样让用户可控语速、停顿、重音和情绪，而不破坏内容？
原题小语种数据很少时，怎样利用多语种迁移与合成数据？
原题Codec 的重建指标很好，但生成语音仍有金属感，为什么？
原题如何检测并阻止未授权音色克隆？
原题设计一个支持实时可打断对话的语音 Agent 输出系统。
原题
暂无题目