Другое

LongCat-AudioDiT-1B: высококачественная диффузионная TTS-модель в латентном пространстве волновой формы

Оригинальный заголовок:meituan-longcat/LongCat-AudioDiT-1B

ИИ-резюме

Открытая TTS-модель команды LongCat от Meituan отказывается от традиционного промежуточного представления mel-spectrogram и работает напрямую в латентном пространстве волновой формы, синтезируя речь только с помощью Wav-VAE и диффузионного магистрального сети. Модель устраняет проблему несоответствия обучения и вывода и заменяет classifier-free guidance на адаптивное проекционное управление. Крупнейшая версия 3.5B достигает SOTA в zero-shot клонировании голоса на бенчмарке Seed: сходство говорящего (SIM) составляет 0.818 на Seed-ZH и 0.797 на Seed-Hard, превосходя предыдущую лучшую Seed-TTS. Исследование также показало, что точность реконструкции Wav-VAE не коррелирует напрямую с итоговым качеством синтеза.

Ключевые моменты

  • Открытая TTS-модель команды LongCat от Meituan отказывается от традиционного промежуточного…
  • Модель устраняет проблему несоответствия обучения и вывода и заменяет classifier-free guidance на…
  • Крупнейшая версия 3.
  • 5B достигает SOTA в zero-shot клонировании голоса на бенчмарке Seed: сходство говорящего (SIM)…
  • 818 на Seed-ZH и 0.

Кратко

Опубликовано
Обновлено
Источник
美团 LongCat:HuggingFace 新模型
Категория
Другое
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: LongCat-AudioDiT-1B: высококачественная диффузионная TTS-модель в латентном пространстве волновой формы. 30 марта 2026. https://new.nat6.net/ru/news/cmocymrfh0057slqlbzifa44t/

Смотреть все →