LLM 기반 감성 TTS에서 지도 미세조정의 평균화 문제를 해결하기 위해, HPRO는 HD-Emo 코덱을 미분 가능한 보상 모델로 도입하여 콘텐츠와 스타일 선호 토큰을 구조적으로 분리함으로써 정보 충돌을 해소하고, 프레임·단어·문장 수준의 계층적 보상을 점진적으로 적용해 규모 격차 문제를 극복한다. 실험 결과, HPRO는 언어적 명료성을 유지하면서 감정 표현력을 크게 향상시키는 것으로 나타났다.
인스트럭션 기반의 제어 가능한 음성 합성은 사용자가 자연어로 감정을 지정할 수 있게 한다. 그러나 기존 접근법은 종종 거친 감정 레이블에 의존하며, 세밀한 강도에 대한 명시적 모델링이 부족하다. 우리는 감정 음성 합성을 위한 이중 경로 인스트럭션 가이드 프레임워크인 EmoInstruct-TTS를 제안한다. 우리는 세밀한 범주와 강도 수준을 포함하여 48가지 감정 상태를 포괄하는 지도 학습 기반 의미-음향 감정 임베딩 Emotion2embed을 도입한다. 자유 형식 인스트럭션으로부터 임베딩을 추론하기 위해, 음향적으로 그라운딩된 감정 표현을 생성하는 Instruction-Conditioned Emotion Flow Model(ICE-Flow)을 설계한다. 추론된 임베딩은 의미 계획(semantic planning)을 보존하면서 명시적인 감정 제어를 제공하기 위해 LLM 기반 합성 파이프라인에 통합된다. 실험 결과, 강력한 베이스라인 대비 감정 제어 가능성과 음성 자연스러움이 개선되었다.