SteerSpeech：用激活引导控制生成语音情感
Get the story
2026年10月8日，arXiv（Audio and Speech，一手来源）发表 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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Audio and SpeechSteerSpeech：用激活引导实现生成语音中的情感控制
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。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.