VoxCPM2：基于扩散自回归架构的无分词器语音合成 | OpenBMB/VoxCPM
这不是又一个TTS，它跳过了最笨的那一步 大多数TTS模型第一步是把声音切碎成几千个离散token，然后像语言模型一样预测下一个token。切的时候信息就丢了——语气里微弱的犹豫、换气时气流的变化、音色边缘那些不规则的细节，都被量化的网格压平了。VoxCPM2不干这事，它直接输出连续的声音表示，用扩...
这不是又一个TTS，它跳过了最笨的那一步 大多数TTS模型第一步是把声音切碎成几千个离散token，然后像语言模型一样预测下一个token。切的时候信息就丢了——语气里微弱的犹豫、换气时气流的变化、音色边缘那些不规则的细节，都被量化的网格压平了。VoxCPM2不干这事，它直接输出连续的声音表示，用扩...