研究人员开发了HybridEmo,一个用于训练文本到语音(TTS)系统的新框架,该系统能够处理单个语句中的多种情感。该框架通过采用具有样本感知混合奖励的组相对策略优化,解决了当前多情感TTS的局限性。HybridEmo在控制情感轨迹和融合情感方面表现出显著的改进,在人类评估中优于CosyVoice 3和EmoVoice-0.5B等现有模型。 AI
影响 能够生成更细致、更富表现力的合成语音,可能改进虚拟助手和内容创作工具。
排序理由 关于多情感TTS新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CosyVoice 3
- EmoVoice-0.5B
- Group Relative Policy Optimization
- Hugging Face
- HybridEmo
- MultiEmo-Test
- Qwen3-TTS
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →