skinny.

Latest / 每日AI

dots.tts:连续自回归语音大模型技术报告 54毫秒克隆真人呼吸声

dots.tts 拥有 20 亿参数的连续自回归文本转语音(TTS)基础模型。该模型通过在连续潜空间中对语音建模,克服了传统离散标记器带来的表现力瓶颈。为了提升稳定性,研究团队采用了语义音频 VAE、自回归流匹配头以及无需奖励模型的自我修复后训练技术。实验结果表明,该模型在语音克隆、情感表达和多语言合成方面均达到了开源领域的领先水平。此外,通过 MeanFlow 蒸馏和双流推理设计,该系统显著降低了生成延迟,能够支持实时对话应用。目前,该项目已在 Apache 2.0 协议下开源了完整的代码与预训练权重。

Log in to save or queue this episode.

The skinny

The skinny isn't ready yet — notes appear once the transcript is processed.