TRACE-EVC：用于零样本情感语音转换的文本引导相对情感控制

传统的情感语音转换（EVC）条件是在明确的目标情感（如标签或参考）上生成，定义目标情感状态但忽略转换的方向或性质。我们引入了指令引导的相对情感语音转换，这是一项自然语言指令指定源条件情感转换（例如，“使语音稍微平静一些”或“听起来明显更自信”）而不是固定目标的任务。为了支持这项任务，我们构建了 TRACE-Instruct，这是一个相对情绪指令的数据集，涵盖类别转换、强度修改和开放式情感变化。我们提出 TRACE-EVC，这是一个围绕 Emo-Compass 构建的零样本框架，Emo-Compass 是一个将每个转换建模为源锚定整流流的模块。它不是以明确的目标为条件，而是预测情感变化的方向和程度。实验表明，TRACE-EVC 能够准确遵循相关情感指令，同时保留说话者身份、语言内容和语音质量，并且在标准分类情感转换方面与传统 EVC 系统保持竞争力。