En el ámbito de la síntesis del habla, la expresión emocional precisa y controlable es fundamental para lograr una voz natural y contextualmente adecuada. Sin embargo, muchos sistemas de síntesis de voz conscientes de las emociones, incluidos los basados en grandes modelos de lenguaje (LLM), se basan en la escala de incrustaciones de emociones fijas o en la guía externa, lo que limita su capacidad para modelar características latentes específicas de las emociones. Para abordar esta brecha, se ha desarrollado EmoShift, un marco de direccionamiento de activación ligero que incorpora una capa EmoSteer, la cual aprende un vector de dirección para cada emoción objetivo en el espacio de incrustación de salida para capturar su compensación latente y mantener una expresión estable y adecuada en las enunciaciones y categorías.
Con tan solo 10 millones de parámetros entrenables, menos de 1/30 del ajuste fino completo, EmoShift supera a las líneas de base de cero disparos y completamente ajustadas en evaluaciones objetivas y subjetivas, mejorando la expresividad emocional mientras preserva la naturalidad y la similitud del locutor. Además, análisis adicionales confirman la efectividad de la capa EmoSteer propuesta y revelan su potencial para la intensidad emocional controlable en la síntesis del habla.
En este contexto, Q2BSTUDIO, empresa especializada en desarrollo de software a medida y tecnología de vanguardia, se posiciona como un referente en la implementación de soluciones de inteligencia artificial para empresas. Sus servicios incluyen aplicaciones personalizadas, ciberseguridad, servicios en la nube AWS y Azure, inteligencia de negocio, entre otros. Para obtener más información sobre sus servicios de desarrollo de aplicaciones a medida, visite su sitio web aquí.
