כתבה
arXiv cs.AI ·
SCIC: התאמה תלוית תחום וספריית קוד לבקרת פרוזודיה ב-TTS
SCIC: Scope- and Codebook-Aware Instruction Conditioning for Speaker-Adapted Expressive TTS
SCIC היא שיטה חדשה לבקרת פרוזודיה בסינתזה קולית. היא משתמשת בהתאמה תלוית תחום וספריית קוד כדי לשפר את הבקרה על גובה ואנרגיה בדיבור. SCIC פותחה על בסיס מודל Qwen3-TTS.
תקציר מקורי באנגליתarXiv:2609.39088v1 Announce Type: cross Abstract: Long-form live-streaming TTS requires context-dependent prosody and paragraph-level coherence. However, many existing instruction-based TTS systems use global or uniform conditions, providing limited explicit control over clause-level relative prosodic changes. We introduce Speaker-Relative Inline Prosody Control, where each Pitch, Energy, or Speed instruction targets a clause relative to the preceding clause from the same speaker, while Pause uses an absolute duration interval. In codec-based TTS, Speed and Pause affect sequence length, whereas Pitch and Energy rely on residual codebooks. By analyzing Qwen3-TTS RVQ codebooks, we find that Energy concentrates in early residual codebooks, whereas Pitch accumulates across a deeper prefix. We
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית