arXiv · Audio and Speech· Afsara Benazir, Darius P\'etermann, Felix Xiaozhu Lin, Salar Rahili·· 4 小时前AI 评分24
SteerSpeech：用激活引导实现生成语音中的情感控制
Steerspeech: Activation Steering For Emotion Control In Generated Speech
AI 导读
SteerSpeech 提出一种轻量级激活引导框架，通过向 TTS 模型隐藏层激活注入引导向量实现情感控制，TTS 主干保持冻结。该方法为每种目标情感训练轻量低秩变换，并采用两遍生成-回放管线与直通估计器优化离散语音 token。基于 Qwen3-TTS 的评测显示，目标情感得分达基线的 1.08x-7.12x，主观情感强度偏好 78.1%-96.8%，说话人身份保持 1.43x-1.46x。
来源：arXiv · Audio and Speech · arxiv.org