在调试小龙猫语音时遇到困难，发现千问TTS模型音色控制有限，句子间音色不稳定。明天将尝试语音克隆，若无效则考虑更换模型。实践是获取知识的关键。

本研究提出了一种基于条件变分自编码器（CVAE）的波表合成音色控制方法，用户可以通过语义标签实时定义和调节音色，提升了调节的直观性。

本研究提出了一种增强多仪器合成控制能力的方法，通过将生成模型的条件设置为特定表演和录音环境。生成模型可以合成具有特定乐器的音乐的风格和音色，原型在评估中表现出良好的真实性评分，并允许新的音色和风格控制。