该文介绍了一种增强预训练文本转音频模型可控性的新方法，通过时间戳、语调曲线和能量曲线等额外条件实现对生成音频的时间顺序、音高和能量的精细控制。作者整合了现有数据集，使用评估指标评估可控性能，实验结果表明该模型成功实现了细粒度控制，实现了可控的音频生成。

该文介绍了一种增强预训练文本转音频模型可控性的新模型，通过时间戳、语调曲线和能量曲线等额外条件实现对生成音频的时间顺序、音高和能量的精细控制。作者整合数据集，使用评估指标评估可控性能，实验结果表明该模型成功实现了细粒度控制，实现了可控的音频生成。