Xiaomi（小米）

Borderless Long Speech Synthesis

无边界的长语音合成

Xingchen Song, Di Wu, Dinghao Zhou, Pengyu Cheng, Hongwu Ding, Yunchao He, Jie Wang, Shengfan Shen, Sixiang Lv, Lichun Fan, Hang Su, Yifeng Wang, Shuai Wang, Meng Meng, Jian Luan

机构 * MiLM Plus, Xiaomi Inc., China（小米公司MiLM Plus，中国） ； Nanjing University, China（南京大学，中国） ； WeNet Open Source Community（WeNet开源社区） 纠错

AI总结 本文提出无边界的长语音合成框架，通过统一能力集实现多说话人合成和长文本生成，采用全局-句子-token注释策略和连续分词器提升指令遵循能力，构建分层控制协议栈实现多模态输入到结构化生成命令的转换。