LLM推論初出 6/19 02:47
指示はどのようにスピーチを形成するか？スタイルキャプション付きテキスト音声変換のクロスアテンション属性
How Do Instructions Shape Speech? Cross-Attention Attribution for Style-Captioned Text-to-Speech
https://export.arxiv.org/api/query2026/6/19
AI要約
スタイルキャプション付きテキスト音声合成における、指示（単語）が音声特性にどう影響するかをクロスアテンション帰属分析で解明。DAAMフレームワークを音声合成に初適用し、表現力豊かなTTSの診断と制御性向上に貢献。
AI要点
- スタイルキャプション付きテキスト音声合成において、指示（単語）が音声特性にどう影響するかを解明した。
- DAAMフレームワークを音声合成に初適用し、クロスアテンション帰属分析でその影響を可視化した。
- 表現力豊かなTTSの診断と制御性向上に貢献する手法が提案されている。
なぜ重要か
テキスト音声合成における人間のような表現力や感情の制御を可能にするための、指示と音声出力の関係性を理解・操作する技術的基盤を提供し、より自然で多様な音声合成の実現に寄与するからです。