arXiv eess.AS RSS·2026-10-02 12:00· 4 小时前

基于发音运动学的源-滤波器 TTS：通过声道运动实现物理可解释控制

Articulatory Source-Filter TTS: Physically Grounded Control through Vocal Tract Kinematics

摘要

一项新研究提出基于发音运动学的可控源-滤波器 TTS 架构，由声学到发音反演（AAI）模型生成运动学伪轨迹来调节滤波器响应，预测的基频与能量轮廓参数化声门源，源与滤波器独立预测，源经最优传输条件流匹配（OT-CFM）模块细化后重组为频谱图。

应来源方要求，这里只提供摘要与原文入口。完整内容请阅读原文。

来源：arXiv eess.AS RSS · arxiv.org