SteerSpeech：激活引导控制生成语音情感

Afsara Benazir 等作者提交论文，提出 SteerSpeech——一个轻量级激活引导框架，通过向隐藏激活注入引导向量来控制文本转语音（TTS）的情感。该方法在训练时冻结 TTS 主干，仅用多专家目标训练低秩变换。 作者报告称，在 Qwen3-TTS 上，其目标情感得分为基线的 1.08 至 7.12 倍，高引导强度下的主观强度偏好为 78.1% 至 96.8%，说话人身份保持为 1.43 至 1.46 倍。这些均为论文自报结果。 该论文处于投稿阶段，标注为投稿 IEEE ICASSP 2027，并已提交 IEEE 供可能发表。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。