串流語音合成的文字正規化問題被嚴重忽視——為什麼沒人在討論？

說真的有點扯，大家都在追求自然語調、高品質音色和表達力豐富的語音合成（TTS）模型，但很少人討論一個根本問題：這些模型在處理價格、日期、網址、優惠碼、電話號碼這些基本資訊時，表現差到不行。我最近找到一份基準測試報告，比較了各大商用即時串流語音合成模型在念日期、網址、縮寫詞等內容時的準確度——他們測試了超過1000個案例。結果有點嚇人，這些看起來很聰明的AI其實在最基礎的東西上常常出包。