Além dos Modelos Unificados: Uma Abordagem Orientada a Serviços para Fonemização de Baixa Latência e Consciência Contextual em TTS em Tempo Real
Beyond Unified Models: A Service-Oriented Approach to Low Latency, Context Aware Phonemization for Real Time TTS
December 8, 2025
Autores: Mahta Fetrat, Donya Navabi, Zahra Dehghanian, Morteza Abolghasemi, Hamid R. Rabiee
cs.AI
Resumo
Sistemas leves de conversão de texto em fala em tempo real são cruciais para acessibilidade. No entanto, os modelos de TTS mais eficientes frequentemente dependem de fonetizadores leves que lutam com desafios dependentes de contexto. Em contraste, fonetizadores mais avançados, com um entendimento linguístico mais profundo, normalmente incorrem em altos custos computacionais, o que impede o desempenho em tempo real.
Este artigo examina o compromisso (*trade-off*) entre a qualidade da fonetização e a velocidade de inferência em sistemas de TTS auxiliados por G2P (Grapheme-to-Phoneme), introduzindo uma estrutura prática para preencher essa lacuna. Propomos estratégias leves para fonetização consciente do contexto e uma arquitetura de TTS orientada a serviços que executa esses módulos como serviços independentes. Este projeto desacopla os componentes pesados e conscientes do contexto do núcleo do motor de TTS, quebrando efetivamente a barreira de latência e permitindo o uso em tempo real de modelos de fonetização de alta qualidade. Resultados experimentais confirmam que o sistema proposto melhora a solidez da pronúncia e a precisão linguística, mantendo a capacidade de resposta em tempo real, tornando-o bem adequado para aplicações de TTS offline e em dispositivos finais.
English
Lightweight, real-time text-to-speech systems are crucial for accessibility. However, the most efficient TTS models often rely on lightweight phonemizers that struggle with context-dependent challenges. In contrast, more advanced phonemizers with a deeper linguistic understanding typically incur high computational costs, which prevents real-time performance.
This paper examines the trade-off between phonemization quality and inference speed in G2P-aided TTS systems, introducing a practical framework to bridge this gap. We propose lightweight strategies for context-aware phonemization and a service-oriented TTS architecture that executes these modules as independent services. This design decouples heavy context-aware components from the core TTS engine, effectively breaking the latency barrier and enabling real-time use of high-quality phonemization models. Experimental results confirm that the proposed system improves pronunciation soundness and linguistic accuracy while maintaining real-time responsiveness, making it well-suited for offline and end-device TTS applications.