全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

VoxMel TTS 技术报告

Continuous autoregressive TTS relies on an acoustic target that enables stable next-latent modeling while preserving fine-grained acoustic details. While existing approaches employ learned compressed representations (e.g., continuous VAE latents) to render prediction tractable, they rely on complex neural encoders that

阅读原文 · Wenhao Guan, Jiaxin Ye, Haitao Li, Yifan Duan, Junxi Liu, Wangjin Zhou, Lin Li, Qingyang Hong, Xie Chen

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

这篇论文值得看的地方,是它在一个大家默认要用学习式编码器的环节上,换了个思路。 自回归 TTS 一直有个两难:要让下一帧预测稳定,就得把声学目标压缩成好预测的表示,比如连续 VAE latent;但压缩靠的是复杂神经编码器,保真度往往就卡在这儿。VoxMel 想说的是,mel 频谱本身也能当自回归目标,前提是把它拆得足够“好预测”。 它用的工具很朴素:一个固...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。