arXiv · cs.CL· Yuanzhong Zheng·· 6 天前AI 评分34
Decodability Is Not Controllability：连续潜变量 TTS 中说话人控制的局部与各向异性研究
Decodability Is Not Controllability: Local and Anisotropic Speaker Control in Continuous-Latent TTS
来源与原文
arXiv · cs.CL
作者：Yuanzhong Zheng
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.29345v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究表明，在 VoxCPM2 连续潜变量 TTS 中，高线性可解码性不等于因果可控性：RALM L7 层探测准确率达 0.970，但对齐编辑在 60 组配对中 0 组成功；而在 L0 层编辑可将目标相似度提升 0.326，60 组全部实现目标主导。双盲听测确认声音被识别为目标说话人，研究指出免训练说话人控制需要几何特异性和通向声学合成的计算通路。
来源：arXiv · cs.CL · arxiv.org