arXiv cs.SD RSS·· 1 天前
SCIC：面向说话人自适应表现力 TTS 的范围与码本感知指令条件方法
SCIC: Scope- and Codebook-Aware Instruction Conditioning for Speaker-Adapted Expressive TTS
摘要
研究者提出 SCIC（范围与码本感知指令条件）方法，用于说话人自适应表现力 TTS，通过时间指令路由器实现帧级标签激活，并对残差码本进行标签特定加权。该方法基于 Qwen3-TTS RVQ 码本分析，发现能量集中于早期残差码本、音高在更深前缀中累积，从而改善说话人相对音高与能量控制，并结合多奖励 GDPO 后训练优化控制精度与语音质量。
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 cs.SD RSS · arxiv.org