arXiv cs.AI / cs.LG 最新· Anuj Diwan·· 20 小时前AI 评分47
Qwen3-TTS 等自回归语音克隆 TTS 模型的可解释声学特征研究
Discovering Interpretable Acoustic Features in Autoregressive Voice-Cloning TTS Models
AI 导读
研究者提出一套针对自回归语音克隆 TTS 模型的特征可解释性框架，用稀疏自编码器（SAE）、PCA 和随机方向进行稀疏探测与引导，发现模型编码了音高、能量、噪声、口音等概念。以 Qwen3-TTS 为主要对象并扩展到另外 5 个模型验证跨架构泛化，自动可解释性在其中找出 684 个经验证的 SAE 特征，覆盖说话人聚类、说话风格与录音条件。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。