Chain-of-thought TTS

新基准诊断思维链TTS中的人设冲突

研究人员开发了一个新的基准来诊断思维链文本到语音（TTS）系统中的失败，特别是在所请求的人设与文本的词汇情感发生冲突时。这项研究以日语和英语进行，发现虽然初始规划器的输出通常是正确的，但下游合成可能导致显著的差异。研究还探讨了改进这些系统的方法，包括监督QwenEmotion和使用学习到的文本到潜在接口，这些方法在准确渲染不同语言和声学维度上的反文本传递方面显示出显著的提升。