HuggingFace Daily Papers（社区热门论文）·2026-09-25 08:00· 5 天前AI 评分33

NVAlign：面向连续自回归流匹配 TTS 非语言发声控制的直接梯度优化框架

NVAlign: Direct-Gradient Optimization for Non-Verbal Control in Continuous Autoregressive Flow Matching Text-to-Speech

AI 导读

NVAlign 是一个针对连续自回归流匹配 TTS 的直接梯度后训练框架，用于提升非语言发声（NVV）标签的跟随准确率。该方法先对 TTS 模型和 NVV 感知 ASR 模型做 SFT，再冻结 NV-ASR 作为奖励模型，通过两步梯度代理将奖励回传至流匹配采样器，联合更新自回归主干与声学流头。