arXiv eess.AS· Yiqiao Huang, Xiaolong Lin, Zhenpeng Zhan, Zhizheng Wu·· 2 天前评分40
E3-System：可显式控制、易用的表达性零样本 TTS 框架
E3-System: Expressive EmoData, Explicitly Controllable, Easy-to-Use TTS
导读
E3-System 是一个面向表达性零样本 TTS 的意图到语音统一框架，可在给定目标说话人和自然语言风格描述或语音风格提示时，生成保留目标音色的表达性语音。它通过千小时多语言情感语音数据集 EmoData、将文本描述对齐为声学风格提示的 Style-RAG，以及借助 VC 增强音色-风格解耦的 Dual-TTS，打通从风格建模到可控合成的完整控制闭环。实验显示其在语音质量、说话人保持和显式表达控制上表现良好。
来源：arXiv eess.AS · arxiv.org