热点事件持续更新
DeMaR：掩码替换扩散用于零样本文本转语音
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月8日，arXiv（Audio and Speech，一手）发表论文，提出 DeMaR 方法，将掩码替换训练与置信度排序的纯掩码采样结合，在保持总训练损坏概率不变的前提下，于 LibriTTS 上从零训练，并在相同语音 tokenizer 下取得比自回归与纯掩码扩散基线更低的词错误率（WER）。该研究聚焦零样本文本转语音中的掩码替换扩散机制探究，目前未见后续报道或矛盾信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
2026-10-08 arXiv 论文提出 DeMaR，在 LibriTTS 上从零训练并取得更低 WER。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · Audio and Speech零样本文本转语音中掩码替换扩散机制的探究
论文提出 DeMaR，将掩码替换训练与置信度排序的纯掩码采样结合，在保持总训练损坏概率不变的前提下，于 LibriTTS 上从零训练，在相同语音 tokenizer 下取得比自回归与纯掩码扩散基线更低的词错误率（WER）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。