Hugging Face · 每日论文· 媒体 / 作者来源·精选
RubatoCodec：带 utterance 级事件预算的自适应语音编解码与流式解码
原文标题
RubatoCodec: Budgeted Adaptive Speech Tokenization with Streaming Decoding
AI 导读
研究提出 RubatoCodec，基于 X-Codec-2 实现可变帧率语音编解码，并用 Adaptive Firing 依据特征与波形频谱把语音切成时长可变的事件，每个事件由离散码加显式时长表示，可逐个事件流式解码。低事件率下重建保真度和可懂度优于定帧率；多语种模型在英、日、汉语上重建质量有竞争力，英日基准可懂度最佳；配套 TTS 的 WER 更低、UTMOS/UTMOSv2 更高，且无需生成时速率约束即可学会事件预算。代码与权重已开源。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
给出确切 utterance 级事件预算的可变帧率语音编解码与流式解码，并配套 TTS 实验验证，适用范围为语音重建与流式语音合成研究。
导读由模型辅助整理，非独立核验。完整信息见原文。