小红书开源 dots.tts.edit V1.1:一句话局部改词调语气,多项编辑一次完成
小红书技术REDtech · wechat · 2026-11-11
小红书技术团队发布端到端精确语音编辑模型 dots.tts.edit V1.1，可对已有语音做局部编辑——只改指定词句、语气、语速或停顿，其余内容和声音特征保持稳定，多处修改一次生成完成，支持中英双语与多说话人。
技术要点：模型基于 dots.tts 的连续自回归架构，在 AudioVAE 连续隐空间生成语音，无需时间对齐和时长预测；采用绑定到具体词句的半形式化编辑指令，参数可为语速倍率、音高变化或自然语言描述。
成绩：在自建 doteBench 上综合表现领先 AuK、Ming-UniAudio、Step-Audio-EditX 等开源模型；逐步组合编辑的整条指令成功率 42.92%，超此前最佳开源的 2 倍；第三方 SpeechEditBench 上文本、情感和韵律编辑均取得开源最佳联合成功率，韵律编辑超过参与对比的闭源系统。
开源套件包含模型权重、推理代码、训练数据构造管线、doteBench 评测集、在线编辑应用与论文(arXiv:2608.02673)。
「多模态」频道最新
- Meta 员工用自研 3D 模型 Chisel 重建阿逾陀城并公开分享 — gowthami_s · 2026-11-13
- 67B 图像模型跑进 16GB MacBook Air:MLX 移植峰值内存降至约 2.5GB — FlimsyBrief4232 · 2026-11-13
- 末日躺平梗图 prompt 走红：在顶层公寓里悠闲看外星人入侵 — charis_ai · 2026-11-13
- 蚂蚁集团发布 Duo：支持实时全双工音视频交互的互惠世界模型 — inclusionAI · 2026-11-13
- 北大美团 LongCat 发 G-STAR：自回归图像生成提速 20 倍至 2.5 秒 — meituan-longcat · 2026-11-13
- 网友用 Claude Code 自制节点，补上 MiniMax H3 无法批量生成的短板 — an80sPWNstar · 2026-11-13