课题详情： 解决语音合成中音色的可控设计、精细编辑与情感表达难题，构建"设定形象→生成对味声音"的全链路音色合成系统。 1. 从自然语言描述精准生成目标音色（Voice Design），支持年龄、性格、质感等属性的可控刻画，并支持对已有音色的指令驱动修改（Voice Edit）。 2. 实现同一音色在多情绪（喜怒哀惧）下的高保真自然表达，解决音色与情绪的耦合问题。 3. 通过基座 TTS 模型的角色化微调，在克隆音色的同时学习特定说话人的表演韵律与语言风格，并构建 VC 驱动的自动化训练数据管线。 课题要求： 1、有语音合成（TTS）、音色克隆或语音转换相关研究经验，熟悉主流 TTS 框架与音频生成模型架构； 2、有 Diffusion / Flow Matching / 自回归模型在语音领域的实践经验，能独立完成从数据构建、模型训练到评估的全链路工作； 3、有大规模音频数据处理与自动化 pipeline 搭建经验，有模型微调与工程化落地能力； 4、在 ICASSP、INTERSPEECH、NeurIPS 等顶会发表过高质量论文，或有 CosyVoice、GPT-SoVITS 等开源项目贡献经验。