Skip to content
Hot eventLive

DeMaR：掩码替换扩散用于零样本文本转语音

1 reports1 sources4 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 8
2026-10-08 arXiv 论文提出 DeMaR，在 LibriTTS 上从零训练并取得更低 WER。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. 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）。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.