arXiv · NLP· Anuj Diwan, David Harwath, Eunsol Choi·· 6 小时前AI 评分35
揭示自回归声音克隆 TTS 模型中可解释的声学特征
Discovering Interpretable Acoustic Features in Autoregressive Voice-Cloning TTS Models
AI 导读
研究提出针对自回归声音克隆 TTS 模型的特征可解释性框架，基于稀疏自编码器（SAE）等分析 Qwen3-TTS 及 5 个额外模型。 SAE 擅长稀疏探测与概念发现，PCA 在密集探测中表现竞争；在 Qwen3-TTS 中自动验证了 684 个 SAE 特征，覆盖说话人聚类、风格及录音条件。 该研究为理解 TTS 模型内部声学属性编码机制提供了全面解析。
来源：arXiv · NLP · arxiv.org