English(EN) Beyond Speech Captions: Speech-Rewarded Style Planning for Conversational Text-to-Speech

新的语音奖励风格规划增强了 TTS 控制能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

研究人员开发了一种名为语音奖励风格规划（SRSP）的新方法，以改进可控文本到语音（TTS）系统。与以往依赖语音风格文本描述的方法不同，SRSP 使用冻结的 TTS 模型来训练风格规划器。该规划器生成指令，并使用目标语音标记的似然性作为奖励，通过组相对策略优化（GRPO）进行优化。在 ISCSLP 2026 CoT-TTS 语料库上的实验表明，SRSP 在语音风格相似度、情感相似度和梅尔倒谱失真方面优于基线方法，同时在富有表现力的语音评估中也显示出改进的上下文适宜性和参考一致性。 AI

影响提高了文本到语音系统的控制能力和自然度，有望产生更具表现力和上下文适宜性的合成语音。

排序理由该集群包含一篇详细介绍文本到语音合成新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍文本到语音合成新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Shiao Zhu, Lianbo Liu, Sizhen Lyu, Yuzhe Wang, Sheng Li, Takahiro Shinozaki · 2026-10-09 04:00

超越语音字幕：用于对话式文本到语音的语音奖励风格规划

arXiv:2610.11461v1 Announce Type: cross Abstract: Natural-language style descriptions provide an interpretable interface between large language models (LLMs) and controllable text-to-speech (TTS). However, using descriptions as pseudo-labels compresses target acoustics into text,…

本文如何被排名

报道来源 [1]

超越语音字幕：用于对话式文本到语音的语音奖励风格规划

相关实体

相关话题