LLM Agent 直接编辑权重修复 TTS 标签

Reddit 用户 N1kuson 称，他用 Claude Agent 直接编辑 Silencio-2（基于 Kyutai Pocket TTS 微调）的权重，修复情绪与音效标签控制，无需重训。该模型除 <happy> 外多数标签不稳定，<whisper> 仅约 1/5 生效；探针显示标签嵌入与初始词的余弦相似度仍有 60–80%，音频帧对 <happy> 的注意力是普通文本 token 的 100–3000 倍，其余标签仅 1–10 倍。 Agent 检查权重、定位失败机制后直接改动约 524k 个权重（占 transformer 的 3.4%），其中仅约 5k 个自由参数、零梯度步，且只在留出集上表现改善时才保留改动。 N1kuson 称这不是稳定升级，指标也不能反映全部效果，未加标签的输出与原模型并非逐位相同。

AI 根据报道生成 · 11 小时前更新