论文诊断思维链TTS从规划到合成的失败

论文发现思维链TTS的意图多在规划到合成间丢失

资讯摘要

论文提出一个日英双语“人设—台词冲突”基准，每项将台词与一致或冲突的人设配对，并预先声明期望的声学方向，用于追踪思维链TTS中意图在何处丢失。作者在规划器生成的表达短语、情感向量、QwenEmotion向量和渲染波形中探测该方向，发现规划器输出通常方向正确，但下游一致性明显更低；监督QwenEmotion后方向正确率在日语达75%、英语达84%，学习式文本到潜变量接口在英语达89%、日语唤醒度达88%。

要点速读

1. 论文构建日英双语人设—台词冲突基准，预声明期望声学方向
2. 规划器输出通常方向正确，但下游一致性可显著更低
3. 监督QwenEmotion后方向率日语75%、英语84%；学习式接口英语89%、日语唤醒度88%

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。