研究人员开发了一种名为SCIC(范围和码本感知指令条件化)的新方法,以增强表达式文本到语音(TTS)功能,特别是针对直播等长篇内容。该方法通过允许指令针对相对于前一句的特定子句,从而实现对音高和能量等韵律的更精确控制。SCIC分析了Qwen3-TTS等模型中码本的结构,以优化指令条件化,与标准的指令微调相比,在合成语音中实现了更高的控制精度和更清晰的层级表达。 AI
影响 这项研究可能为直播和有声读物等应用的更自然、更具吸引力的长篇合成语音带来可能。
排序理由 该集群包含一篇详细介绍TTS新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →