LongCat-AudioDiT-1B: 고충실도 파형 잠재 공간 확산 기반 텍스트 음성 변환 모델
원제목:meituan-longcat/LongCat-AudioDiT-1B
AI 요약
메이투안 LongCat 팀이 오픈소스로 공개한 확산 기반 TTS 모델은 전통적인 mel-spectrogram 중간 표현을 버리고 파형 잠재 공간에서 직접 동작하며 Wav-VAE와 확산 백본 네트워크만으로 음성을 합성한다. 이 모델은 훈련-추론 불일치 문제를 해결하고 적응형 투영 유도로 무분류기 유도를 대체했다. 최대 버전 3.5B는 Seed 벤치마크에서 SOTA 제로샷 음성 복제를 달성했으며 화자 유사도(SIM)는 Seed-ZH에서 0.818, Seed-Hard에서 0.797로 이전 최고 성능인 Seed-TTS를 넘어섰다. 연구는 또한 Wav-VAE의 재구성 충실도와 최종 합성 품질이 정비례하지 않음을 발견했다.
핵심 정보
- 메이투안 LongCat 팀이 오픈소스로 공개한 확산 기반 TTS 모델은 전통적인 mel-spectrogram 중간 표현을 버리고 파형 잠재 공간에서 직접 동작하며…
- 이 모델은 훈련-추론 불일치 문제를 해결하고 적응형 투영 유도로 무분류기 유도를 대체했다.
- 5B는 Seed 벤치마크에서 SOTA 제로샷 음성 복제를 달성했으며 화자 유사도(SIM)는 Seed-ZH에서 0.
- 818,Seed-Hard에서 0.
- 797로 이전 최고 성능인 Seed-TTS를 넘어섰다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 기타
추천 이유
美团开源 1B 语音克隆模型,Seed 基准超 Seed-TTS,零样本推理可用
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: LongCat-AudioDiT-1B: 고충실도 파형 잠재 공간 확산 기반 텍스트 음성 변환 모델. 2026년 3월 30일. https://new.nat6.net/ko/news/cmocymrfh0057slqlbzifa44t/