SteerSpeech：注入引导向量控制语音情感

Afsara Benazir 等作者提交论文，提出 SteerSpeech 激活引导框架，通过向 TTS 模型隐藏激活注入引导向量，在推理阶段控制生成语音的情感，训练时冻结 TTS 主干，仅用低秩变换和多专家目标学习各情感的引导方向。 作者称，在 Qwen3-TTS 上，该方法在已见、未见及带口音说话人上实现更连续的情感控制，目标情感得分达基线的 1.08x-7.12x，高引导强度下说话人身份保持为 1.43x-1.46x。这些结果出自论文自述，尚未经同行评审确认。 论文目前处于投稿阶段，标注为 IEEE ICASSP 2027 在审，作者已将其提交 IEEE 考虑发表，版权可能未经通知转移。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。