Lainnya

LongCat-AudioDiT-1B: Model text-to-speech difusi ruang laten gelombang berfidelitas tinggi

Judul asli:meituan-longcat/LongCat-AudioDiT-1B

Ringkasan AI

Model TTS difusi sumber terbuka tim LongCat Meituan meninggalkan representasi perantara mel-spectrogram tradisional dan beroperasi langsung di ruang laten gelombang, hanya melalui Wav-VAE dan jaringan backbone difusi untuk menyintesis suara. Model ini memperbaiki masalah ketidakcocokan pelatihan-inferensi dan menggantikan classifier-free guidance dengan adaptive projection guidance. Versi terbesar 3.5B mencapai SOTA kloning suara zero-shot pada tolok ukur Seed, dengan kemiripan pembicara (SIM) mencapai 0,818 pada Seed-ZH dan 0,797 pada Seed-Hard, melampaui Seed-TTS yang sebelumnya terbaik. Penelitian juga menemukan bahwa fidelitas rekonstruksi Wav-VAE tidak berkorelasi positif dengan kualitas sintesis akhir.

Poin utama

  • Model TTS difusi sumber terbuka tim LongCat Meituan meninggalkan representasi perantara…
  • Model ini memperbaiki masalah ketidakcocokan pelatihan-inferensi dan menggantikan classifier-free…
  • Versi terbesar 3.
  • 5B mencapai SOTA kloning suara zero-shot pada tolok ukur Seed,dengan kemiripan pembicara (SIM)…
  • Penelitian juga menemukan bahwa fidelitas rekonstruksi Wav-VAE tidak berkorelasi positif dengan…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
美团 LongCat:HuggingFace 新模型
Kategori
Lainnya
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

美团开源 1B 语音克隆模型,Seed 基准超 Seed-TTS,零样本推理可用

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: LongCat-AudioDiT-1B: Model text-to-speech difusi ruang laten gelombang berfidelitas tinggi. 30 Maret 2026. https://new.nat6.net/id/news/cmocymrfh0057slqlbzifa44t/

Lihat semua →