AutoSIFT: Automatic Style Sifting for Controllable Speech Generation with Arbitrary Style Infilling
AutoSIFT:用于可控语音生成的自动风格筛选与任意风格填充
发表机构 * UNSW Sydney(新南威尔士大学悉尼分校) ; University of California San Diego(加利福尼亚大学圣地亚哥分校) ; Macquarie University(麦考瑞大学) ; Adobe Research(Adobe 研究院)
AI总结 研究针对TTS模型难以细粒度控制说话风格的问题,提出AutoSIFT框架,将风格分解为可描述和残余两类,通过广义风格解缠器和任意风格填充器,可在保留残余风格时替换指定风格类别,实现高度可定制的语音生成。