@inproceedings{brito-etal-2026-sintese,
    title = "S{\'i}ntese de Voz Emocional Multi-Idioma para Portugu{\^e}s Brasileiro: Uma An{\'a}lise Comparativa de Abordagens de Ajuste Fino",
    author = "Brito, Daniel Oliveira de  and
      Leal, Sidney Evaldo  and
      Junior, Arnaldo Candido",
    editor = "Souza, Marlo  and
      de-Dios-Flores, Iria  and
      Santos, Diana  and
      Freitas, Larissa  and
      Souza, Jackson Wilke da Cruz  and
      Ribeiro, Eug{\'e}nio",
    booktitle = "Proceedings of the 17th International Conference on Computational Processing of {P}ortuguese ({PROPOR} 2026) - Vol. 1",
    month = apr,
    year = "2026",
    address = "Salvador, Brazil",
    publisher = "Association for Computational Linguistics",
    url = "https://preview.aclanthology.org/ingest-dnd/2026.propor-1.63/",
    pages = "638--646",
    ISBN = "979-8-89176-387-6",
    abstract = "A s{\'i}ntese de voz emocional multi-idioma para portugu{\^e}s brasileiro {\'e} pouco explorada. Este trabalho investiga diferentes abordagens para incorporar controle emocional em s{\'i}ntese multi-idioma portugu{\^e}s-ingl{\^e}s, comparando cinco variantes: modelo base YourTTS, ajuste fino com dados emocionais, condicionamento via tokens textuais, e arquitetura VECL-TTS com embeddings emocionais sob diferentes configura{\c{c}}{\~o}es. Utilizamos datasets emocionais em ingl{\^e}s (RAVDESS, Emotional Speech Dataset) e portugu{\^e}s brasileiro (VERBO), totalizando 14,4 horas, para ajuste fino a partir do modelo YourTTS pr{\'e}-treinado. A avalia{\c{c}}{\~a}o combinou m{\'e}tricas objetivas (similaridade de embeddings emocionais e de falante) com avalia{\c{c}}{\~a}o subjetiva por dez participantes. Os resultados revelam que abordagens arquiteturalmente simples podem alcan{\c{c}}ar desempenho perceptual compar{\'a}vel ou superior a m{\'e}todos mais complexos: o YourTTS com ajuste fino obteve a melhor qualidade geral, o condicionamento por tokens alcan{\c{c}}ou a maior similaridade emocional percebida, enquanto o VECL-TTS maximizou o controle emocional objetivo com degrada{\c{c}}{\~a}o na qualidade e na similaridade de falante. Observou-se ainda uma competi{\c{c}}{\~a}o entre controle emocional e preserva{\c{c}}{\~a}o de identidade vocal, bem como discrep{\^a}ncias entre m{\'e}tricas objetivas e percep{\c{c}}{\~a}o humana. Este trabalho demonstra a viabilidade de transfer{\^e}ncia emocional multi-idioma para portugu{\^e}s brasileiro via ajuste fino com recursos limitados."
}