该文章介绍了一种增强预训练文本转音频模型可控性的新方法，通过添加额外条件实现精细控制音频的时间顺序、音高和能量。作者使用可训练的控制条件编码器和融合网络来实现这一目标，实验结果表明该模型成功生成了可控的音频。

该研究提出了一种增强预训练文本转音频模型可控性的新模型。实验结果显示，该模型成功实现了细粒度控制和可控的音频生成。

该文介绍了一种通过添加额外条件增强预训练文本转音频模型可控性的新模型。作者整合数据集并使用评估指标评估模型性能，结果表明该模型成功实现了细粒度控制和可控的音频生成。