ARIA：面向粤语歌词创作的音频驱动旋律—声调关系建模

ARIA 是一个两阶段音频驱动框架，从带字符级时间戳的演唱录音生成粤语歌词。它用 TRATE 从时间戳音频预测 0243 序列，再用 DRA-TCLG 基于预测声调方案与检索增强词汇引导生成流畅歌词，并构建大规模音频—粤拼—0243 数据集。实验显示其在 0243 预测与声调一致歌词生成上表现强，论文被 EMNLP 2026 Findings 接收。