法语语音对 1-2 个词的发音失真约 40%, 3 个词以上的发音失真约 2%(每个长度的样本数为 64)

在 Pocket TTS 上构建一个法语语音助理时,我遇到了一个失败模式,只在非常短的回复中出现: "暂停" 显示为 "Pose", "是" 显示为一口呼吸。同一语音的较长句子效果很好,这就是为什么我花了一段时间才发现这个模式。