arXiv · cs.CL· Anuj Diwan·· 16 小时前AI 评分23
解码自回归语音克隆 TTS 模型中的可解释声学特征
Discovering Interpretable Acoustic Features in Autoregressive Voice-Cloning TTS Models
来源与原文
arXiv · cs.CL
作者：Anuj Diwan
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/2610.40505v1
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
一项可解释性研究提出面向自回归语音克隆 TTS 模型的特征分析框架，以 Qwen3-TTS 为主，并扩展到另外 5 个模型，用稀疏探测、steering 和自动可解释性分析 SAE、PCA 及随机方向特征。研究发现模型编码了 pitch、energy、noise、accent 等概念，但强探测不一定意味着有效 steering；SAE 适合人工标注概念的稀疏探测与新颖概念发现，PCA 在稠密探测和 steering 上更具竞争力。自动可解释性在 Qwen3-TTS 中验证了 684 个 SAE 特征，覆盖说话人聚类、说话风格和录音条件。
来源：arXiv · cs.CL · arxiv.org