Shiao Zhu

该工作先验证语音-文本对齐只能弱预测下游声学相似度，随后提出语音奖励风格规划（SRSP）：以冻结TTS模型对目标语音token的教师强制似然为奖励，用GRPO训练文本风格规划器；在ISCSLP 2026 CoT-TTS语料英文子集上，SRSP在五项下游声学指标上优于Base LLM与可访问目标音频的标注基线，并在LLM评判中获得更高的上下文恰当性与参考一致性。

该工作先验证语音-文本对齐只能弱预测下游声学相似度，随后提出语音奖励风格规划（SRSP）：以冻结TTS模型对目标语音token的教师强制似然为奖励，用GRPO训练文本风格规划器；在ISCSLP 2026 CoT-TTS语料英文子集上，SRSP在五项下游声学指标上优于Base LLM与可访问目标音频的标注基线，并在LLM评判中获得更高的上下文恰当性与参考一致性。