跳到正文
arXiv · NLP· Junwon Moon, Yejin Lee, Seungbeom Kim, Hoseong Ahn, Sewoong Park, Heeseung Kim, Kyuhong Shim·· 2026-10-14AI 评分42

DELTA-TTS:将自回归 TTS 模型适配为离散扩散语言模型

DELTA-TTS: Adapting Autoregressive Model into Diffusion Language Model for Text-to-Speech

AI 导读

DELTA-TTS 将预训练自回归 TTS 模型转化为离散扩散语言模型,在 Seed-TTS test-en 上实现 1.75% WER,生成速度提升 3.3 倍。 框架基于轻量 LoRA 适配,引入卷积模块、1/t 加权训练目标与时间偏移推理调度,仅使用 585 小时 LibriTTS 数据训练。 该方法缓解自回归生成的幻觉问题,提升文本-语音对齐与解码置信度,音频样本、代码及权重已开源。

来源:arXiv · NLP · arxiv.org