arXiv · NLP· Georgios Batzolis, Georgios Kontos, Bruno Trentini, Pranam Chatterjee, Micha Livne, Mark Girolami, Luca Ambrogioni·· 2026-10-14AI 评分28
连续比特流扩散模型 CoBit 实现多模态联合生成
Multimodal Co-Generation With Continuous Bitstream Diffusion
AI 导读
连续比特流扩散模型 CoBit 为图像-文本、语音-文本及蛋白质序列-结构生成提供了统一框架。模型无需预训练文本,仅用单检查点支持条件生成,生成语音与文本的 Word Error Rate 为 3.5%。
来源:arXiv · NLP · arxiv.org