Cet article met en évidence le contrôle émotionnel incomplet et limité des systèmes de synthèse vocale (TTS) existants et propose EmoSteer-TTS, une nouvelle méthode permettant un contrôle précis des émotions vocales (transformation, interpolation et suppression) sans apprentissage. EmoSteer-TTS modifie efficacement le ton émotionnel de la parole synthétisée en modifiant les activations internes d'un modèle TTS basé sur la correspondance de flux. Nous développons un algorithme efficace et sans apprentissage, qui inclut l'extraction des activations, la récupération des jetons émotionnels et le pilotage du temps d'inférence, le rendant ainsi compatible avec divers modèles pré-entraînés. En construisant un ensemble de données de parole émotionnelle provenant de divers locuteurs, nous dérivons des vecteurs de pilotage efficaces. Les résultats expérimentaux démontrent un contrôle précis, interprétable et continu des émotions vocales, qui surpasse les performances des technologies de pointe (SOTA). Il s'agit de la première méthode permettant d'obtenir un contrôle émotionnel continu et précis sans apprentissage.
