SonoEdit：用于基于 LLM 的 TTS 发音纠正的零空间约束知识编辑

基于摘要分析。该研究针对预训练神经 TTS 对低资源专有名词，尤其是非英语人名、品牌和地名的系统性误读，提出 SonoEdit：通过单次参数更新纠正指定词的发音，避免重新训练以及昂贵的多语言数据收集或人工音素标注。 机制上，作者先将 Acoustic Causal Tracing 适配到文本至发音映射，定位控制该映射的特定 Transformer 层；随后使用 Null-Space Constrained Editing，计算闭式权重更新，使目标词的声学输出趋近所需发音示例，同时约束更新与一般语音所对应的流形正交。其编辑过程仍依赖目标发音示例与用于保留行为的语料；这些数据的具体形式、规模与构建方式尚未验证。 作者声称该方法可在修正目标发音的同时保持模型其余行为，但摘要中明确描述的数学条件是“保留语料上的一阶变化为零”。这一局部约束不能直接等同于对任意输入、有限幅度参数更新或全部语音行为的严格不变保证，需结合全文中的假设、推导和实测结果核对。 摘要未提供具体 TTS 模型、语言与词项覆盖、数据划分、评估指标或定量结果，实验协议、消融及统计信息尚未验证。复现时需核对发音示例如何转化为编辑目标、零空间的估计方法，以及非目标词发音与整体语音质量的保留评估。原论文的主要对象是 TTS 发音纠正，现有材料不构成其对 EEG 或 BCI 有效性的证据。