Kyutai 发布 1 亿参数端侧 TTS PocketTTS,首创 drifting 一步生成训练
kastnerkyle · x · 2026-10-02
Kyutai Labs 发布技术博客，详解其 1 亿参数端侧 TTS 模型 PocketTTS 的训练方法：采用 Deng et al. 提出的新型一步生成目标「drifting」。
- 据官方称，这是首个用 drifting 训练的语音模型，也是首个用该方法训练的自回归模型。
- 性能指标：词错率（WER）低于 1%，音质高，支持声音克隆。
- 模型足够小，可在设备端运行。
「多模态」频道最新
- AI 电影之争转向管线归属:Utopai 自研平台与视频模型亮相 — lmoroney · 2026-10-02
- Gradium 发布最快 TTS:首段音频延迟仅约 50ms — mattturck · 2026-10-02
- Fizgig 6.8.1 发布:Krea 2 滑块 LoRA 与 Qwen Image 2.1 全量微调 — shootthesound · 2026-10-02
- Meta 开源 MemLife：无训练长视频记忆系统最高提升 12% — meta · 2026-10-02
- Onepin 发布：为 AI 配音加一道质检关，专修人名发音翻车 — FellMentKE · 2026-10-02
- Seedance 2.0 复刻 1976 年教堂地下室聚餐,复古质感惊艳 — charis_ai · 2026-10-02