论文提出基于神经CDE的连续时间语音建模

研究提出利用神经控制微分方程构建连续时间机制，用于文本转语音中的时长感知声学建模。该方法将音素表示为时变控制路径，通过神经声学向量场生成随音素内容和时长演化的连续隐状态。实验显示，该模型在保持情感表达质量的同时，能提升合成语音与参考情感强度的排序一致性，被视为风格敏感型TTS的有潜力设计方向。