论文提出SteerSpeech框架实现语音情感控制
发生了什么
据arXiv cs.LG报道，论文提出SteerSpeech框架，通过向隐藏激活层注入引导向量来控制生成语音的情感。该框架使用低秩变换训练轻量级专家目标，保持说话人身份和语言内容不变。在Qwen3-TTS上的评估显示，SteerSpeech实现了更强的连续情感控制，代表性情感的强度偏好达78.1%-96.8%，说话人身份保留率达1.43x-1.46x。
- 主观强度偏好范围
- 78.1%-96.8%
- 说话人身份保留倍数
- 1.43x-1.46x
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口