11:39
arXiv cs.AI@Nityanand Mathur, Hamees Sayed, Wasim Madha, Apoorv Singh, Sameer Khurana, Akshat Mandloi, Sudarshan Kamath
推荐理由：这篇把视觉归因方法搬到语音合成里，让你看清每个词怎么影响声音，对理解可控TTS特别有用。
全部 AI 动态
AI 相关资讯全量信息流
6月19日
11:39
论文首次将DAAM框架适配到语音扩散模型，提出交叉注意力归因方法并应用于CapSpeech-TTS。方法提取了25层和24个ODE步骤的每个token热力图。分析了3600个（风格字幕，文本转录）组合，包含120个风格字幕和30个文本转录。结果发现风格token的时间方差低于内容/功能token，且风格关注度与F0和能量相关。注意力熵在层17达到最小值，与风格重要性峰值同时出现。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07