Kyutai 用何恺明团队 Drifting 方法训练 100M 端侧 TTS,WER 低于 1%
serrjoa · x · 2026-10-06
- Kyutai labs 发布 PocketTTS 技术博客:一个 1 亿参数、可跑在设备端的 TTS 模型,支持高质量语音合成与声音克隆,WER 低于 1%。
- 训练方法采用 Deng 等人(何恺明团队)今年提出的 Drifting——一种一步(one-step)连续生成建模目标。团队称这是首个用该方法训练的语音模型,也是首个用这种方式训练的自回归模型。
- 转发者指出,这是 Drifting 首次被应用于自回归连续生成场景(超小 TTS 模型)。
「研究」频道最新
- 处理边界慢轨道:子采样+外推修正,保证 Mandelbrot 面积估计无偏 — geoffreyirving · 2026-10-06
- 与 2025 年 Hsing Lo 估计差 6.5e-9,作者复现检验后判断为涨落所致 — geoffreyirving · 2026-10-06
- Claude 分析+优化 CUDA 算出 Mandelbrot 集面积,精度较 2012 年纪录提升 60 倍 — geoffreyirving · 2026-10-06
- 群体进化智能体 GEA：以群体而非单个 agent 为进化单元的新范式 — xwang_lk · 2026-10-06
- COLM 论文 SLIM:面向长程任务的智能体搜索框架 — xiye_nlp · 2026-10-06
- 光遗传学诺奖之争:被遗忘的真正发明人潘卓华 — _onionesque · 2026-10-06