arXiv · cs.CL· Shiao Zhu·· 19 天前AI 评分31
超越语音描述文本：面向对话 TTS 的语音奖励风格规划（SRSP）
Beyond Speech Captions: Speech-Rewarded Style Planning for Conversational Text-to-Speech
来源与原文
arXiv · cs.CL
作者：Shiao Zhu
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/2610.11461v1
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 研究提出 Speech-Rewarded Style Planning（SRSP），用冻结的下游 TTS 模型训练文本风格规划器，并以目标语音 token 的 teacher-forced likelihood 作为奖励，通过 GRPO 优化。在 ISCSLP 2026 CoT-TTS 语料英语子集上，SRSP 相比 Base LLM 与目标音频描述基线获得更高的语音风格和情感相似度、更低的 mel-cepstral distortion，在上下文恰当性与参考一致性评测上也优于所有基线。
来源：arXiv · cs.CL · arxiv.org