연구진은 LLM 기반 TTS의 한계, 즉 단어 레벨의 정교한 제어 부족 문제를 해결하기 위해 WordVoice 프레임워크를 제안했어요. WordVoice-5A라는 4,700시간 규모의 5차원 단어 레벨 주석 데이터셋을 구축하고, LLM 내 bound-token 메커니즘을 도입하여 명시적인 음성 계획 과정을 가능하게 했어요. WordVoice는 여러 음향 차원에 대한 우수한 제어를 달성하며, 코드와 음성 샘플은 GitHub에서 공개됐어요.