arXiv 2026年10月7日该研究针对日语正字法与读音非一一对应导致正字法 CER 奖励失真的问题，改用假名转写 ASR 模型与参考读音在假名域计算 CER（Kana-CER），在匹配的 GRPO 条件下对 Sarashina2.2-TTS 进行强化学习后训练；在 Joyo Kanji Yomi Benchmark 上，Kana-CER 奖励使目标汉字读音错误相对降低约四成，正字法 CER 与说话人相似度、客观语音质量保持相当，并在约 4k 步而非 18k 步达到最佳验证性能；同时观察到无 KL 正则时 Kana-CER 优化会导致严重输出拉长，KL 正则可显著抑制。该研究针对日语正字法与读音非一一对应导致正字法 CER 奖励失真的问题，改用假名转写 ASR 模型与参考读音在假名域计算 CER（Kana-CER），在匹配的 GRPO 条件下对 Sarashina2.2-TTS 进行强化学习后训练；在 Joyo Kanji Yomi Benchmark 上，Kana-CER 奖励使目标汉字读音错误相对降低约四成，正字法 CER 与说话人相似度、客观语音质量保持相当，并在约 4k 步而非 18k 步达到最佳验证性能；同时观察到无 KL 正则时 Kana-CER 优化会导致严重输出拉长，KL 正则可显著抑制。用假名域 ASR 奖励做日语 TTS 强化学习后训练，目标汉字读音错误相对降低约四成且收敛更快该研究针对日语正字法与读音非一一对应导致正字法 CER 奖励失真的问题，改用假名转写 ASR 模型与参考读音在假名域计算 CER（Kana-CER），在匹配的 GRPO 条件下对 Sarashina2.2-TTS 进行强化学习后训练；在 Joyo Kanji Yomi Benchmark 上，Kana-CER 奖励使目标汉字读音错误相对降低约四成，正字法 CER 与说话人相似度、客观语音质量保持相当，并在约 4k 步而非 18k 步达到最佳验证性能；同时观察到无 KL 正则时 Kana-CER 优化会导致严重输出拉长，KL 正则可显著抑制。该研究针对日语正字法与读音非一一对应导致正字法 CER 奖励失真的问题，改用假名转写 ASR 模型与参考读音在假名域计算 CER（Kana-CER），在匹配的 GRPO 条件下对 Sarashina2.2-TTS 进行强化学习后训练；在 Joyo Kanji Yomi Benchmark 上，Kana-CER 奖励使目标汉字读音错误相对降低约四成，正字法 CER 与说话人相似度、客观语音质量保持相当，并在约 4k 步而非 18k 步达到最佳验证性能；同时观察到无 KL 正则时 Kana-CER 优化会导致严重输出拉长，KL 正则可显著抑制。