提出零样本Lombard语音合成方法

研究团队扩展 F5-TTS，提出一种无需 Lombard 专用训练数据的可控 TTS 系统，可零样本合成 Lombard 风格语音。该方法通过可学习的风格嵌入并用 PCA 分析其隐空间，找到与 Lombard 属性相关的方向，从而对发声力度和清晰度实现可解释控制。实验显示该方法在保持说话人身份与自然度的同时提升了噪声环境下的可懂度，并可泛化到未见过的说话人。

摘自 arXiv cs.CL

还没有足够的连续观测数据，暂不绘制趋势。