プロンプトベースのテキスト音声変換モデルにおける細粒度および文内話し方スタイル制御の実現

ニュース概要

プロンプトベースのテキスト音声変換(TTS)モデルは自然言語駆動の話し方スタイル制御を実現しますが、多くの場合きめ細かい制御が限定的で、発話全体に単一のグローバルスタイルを適用しています。これは発話全体にわたる継続的なスタイル属性補間を必要とする実用的なユースケースを制限しています。