**使用稀疏自编码器解释与操控文本转语音语言模型**

_Interpreting and Steering a Text-to-Speech Language Model with Sparse Autoencoders_

> 本研究在 CosyVoice3 语言模型骨干上训练稀疏自编码器，通过模态感知自动标注流程提取可解释特征，涵盖音素、笑声、口音及性别等。操控这些特征可因果性地影响合成语音，如将笑声概率从 0.02 提升至 0.79、翻转感知性别，并控制语速而不改变内容。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.10029)