본 논문은 기존 Text-to-Speech (TTS) 시스템의 감정 제어가 불완전하고 제한적이라는 점을 지적하며, 훈련 없이 미세 조정된 음성 감정 제어(변환, 보간, 삭제)를 가능하게 하는 새로운 방법인 EmoSteer-TTS를 제안합니다. EmoSteer-TTS는 흐름 일치 기반 TTS 모델의 내부 활성화 값을 수정하여 합성 음성의 감정적 어조를 효과적으로 변경하는 원리를 이용합니다. 활성화 추출, 감정 토큰 검색, 추론 시간 조향을 포함하는 훈련이 필요 없는 효율적인 알고리즘을 개발하여 다양한 사전 훈련된 모델에 통합할 수 있습니다. 다양한 화자의 감정적 음성 데이터셋을 구축하여 효과적인 조향 벡터를 도출하며, 실험 결과 기존 최고 성능(SOTA)을 능가하는 미세 조정 가능하고 해석 가능하며 연속적인 음성 감정 제어를 보여줍니다. 본 연구는 훈련 없이 미세 조정된 연속적인 감정 제어를 달성한 최초의 방법입니다.
