Facto:先解耦再离散化,线性分解让语音 token 更稳健

kastnerkyle · x · 2026-11-21

Ubisoft La Forge、Concordia 等机构在 arXiv 发布论文《Factorized Self-Supervised Speech Tokenization》,提出语音分词器 Facto,入选 NeurIPS 2026。

核心思路:

下游评测显示:token 稳定性的提升转化为更好的 TTS 表现,并在其他任务上取得有竞争力的结果,有望改进 SpeechLLM。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →