Descrição
Foram utilizados cerca de duzentos áudios como amostra para a avaliação. Inicialmente, a tentativa foi realizar inferências diretas com o modelo F5-TTS, mas o resultado não foi satisfatório. Diante disso, optei por utilizar como baseline os próprios áudios de referência e também algumas amostras previamente geradas com o F5-TTS em experimentos anteriores, de forma a comparar a consistência e a qualidade geral das saídas.
A partir dessas amostras, gerei uma tabela consolidando as principais métricas de cada arquivo, incluindo duração, qualidade perceptual e distância textual entre o texto esperado e o texto obtido nas transcrições. O objetivo foi documentar o desempenho real do baseline em relação às versões sintetizadas, servindo como ponto de partida para análises e melhorias posteriores do modelo.
| Modelo | Arquivo | Duração (s) | NISQA Overall | Noisiness | Discontinuity | Coloration | Loudness | DNS Sig | DNS Bak | DNS Ovrl | DNS Ovrl (Alt) | Lev Dist | Lev Norm | Ref Chars | Texto |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| baseline | 1.wav | 10.74 | 3.340 | 3.007 | 4.395 | 3.786 | 3.850 | 3.842 | 3.617 | 3.914 | 3.226 | 0 | 0.0 | 111 | A velha locomotiva vem com pouca carga e esfaróis iluminam as flores da rua em que a criança desenhou um vulcão. |
| baseline | 2.wav | 13.74 | 3.702 | 3.263 | 4.472 | 3.878 | 4.041 | 3.925 | 3.540 | 4.000 | 3.201 | 0 | 0.0 | 172 | Suas atitudes são muito drásticas e resultarão em guerra entre vocês. Ela chegou a pedir o divórcio antes dele morrer e pensou que podia compartilhar esse documento com você. |
| baseline | 3.wav | 10.68 | 4.687 | 4.414 | 4.756 | 4.478 | 4.620 | 4.150 | 3.556 | 4.150 | 3.303 | 0 | 0.0 | 161 | Você tem razão, a correção da prova não foi justa e a turma tirou notas abaixo da média. Assim como a gestão do atual prefeito, a diretoria não está agradando o povo. |
| f5tts | 1.wav | 2.09 | 5.006 | 4.176 | 4.776 | 4.629 | 4.737 | 3.665 | 3.478 | 4.146 | 3.241 | 0 | 0.0 | 19 | Como você está hoje? |
| f5tts | 2.wav | 7.48 | 4.883 | 4.580 | 4.818 | 4.466 | 4.688 | 4.240 | 3.667 | 4.159 | 3.434 | 0 | 0.0 | 108 | A nova biblioteca municipal abriu as portas ontem e já recebeu dezenas de visitantes apaixonados por leitura. |
| f5tts | 3.wav | 16.02 | 4.941 | 4.525 | 4.832 | 4.460 | 4.720 | 4.183 | 3.574 | 4.112 | 3.324 | 9 | 0.039 | 228 | “Na praça Central, músicos de rua se revezavam entre violão, gaita e percussão, criando uma atmosfera vibrante. Crianças corriam ao redor da fonte enquanto idosos conversavam em bancos de pedra, aproveitando a brisa leve do entardecer.” |