ATRIE：角色驱动的语音合成中鲁棒推理和情感的自适应调整

高保真角色语音合成是沉浸式多媒体应用的基石，特别是与动漫头像和数字人类的交互。然而，现有系统很难在不同的情感背景下保持一致的角色特征。为了弥补这一差距，我们提出了 ATRIE，这是一个利用 Persona-Prosody Dual-Track (P2-DT) 架构的统一框架。我们的系统将生成分解为静态音色轨道（通过标量量化）和动态韵律轨道（通过分层流程匹配），从 14B LLM 教师中提炼出来。这种设计可实现强大的身份保存（零射击说话人验证 EER：0.04）和丰富的情感表达。在我们的扩展 AnimeTTS-Bench（50 个字符）上进行评估，ATRIE 在生成和跨模式检索方面实现了最先进的性能（mAP：0.75），为角色驱动的多媒体内容创建建立了新的范例。