★ 3
ReACT-TTS：依据听者面部反应规划对话语音
论文提出 ReACT-TTS 两阶段框架，利用回应前一秒的听者面部序列来规划下一句话的情绪与韵律。在 MELD 双人对话协议上，时序条件在十个随机种子下均优于纯文本条件，宏观 F1 与 VAD 一致性更高。20 位语音研究者的情境适配研究中，76% 的判断偏好时序方案，并接入 Grad-TTS 实…
arXiv cs.AI42 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 ReACT-TTS 两阶段框架，利用回应前一秒的听者面部序列来规划下一句话的情绪与韵律。在 MELD 双人对话协议上，时序条件在十个随机种子下均优于纯文本条件，宏观 F1 与 VAD 一致性更高。20 位语音研究者的情境适配研究中，76% 的判断偏好时序方案，并接入 Grad-TTS 实…