HierSpeech++

新的TTS方法将情感控制准确率提高了12%

研究人员开发了一种名为跨模态一致性引导无分类器引导（CCG-CFG）的新方法，以改进自回归文本到语音（TTS）模型中的情感控制。该技术根据文本情感和期望语音情感之间的冲突动态调整引导尺度，从而增强情感一致性。当应用于CosyVoice2模型时，这种方法在情感识别准确率和主观质量得分方面取得了显著改进，优于HierSpeech++和Qwen3-TTS等现有方法。