arXiv · ML· Yuanzhong Zheng, Wei Huang, Ming Ma, Kailun Jin, Youhai Jiang·· 16 小时前AI 评分21
VoxCPM2 中连续隐空间 TTS 的可解码性与可控性分离
Decodability Is Not Controllability: Local and Anisotropic Speaker Control in Continuous-Latent TTS
AI 导读
在 VoxCPM2 中，高线性可解码性不代表因果可控性，RALM L7 层探针准确率 0.970 但 60 对编辑均未达主导。 早期 L0 位置对齐编辑提升目标相似度 0.326，并在所有 60 对中实现目标主导，x-vector 消融将源相似度降至 0.006。 研究确立了免训练说话人控制需几何特异性与声学计算路径两个必要条件。
来源：arXiv · ML · arxiv.org