Hugging Face · 每日论文· 媒体 / 作者来源·精选
StyleStream 2.0：快速可控的流式语音风格转换
原文标题
StyleStream 2.0: Fast and Controllable Streaming Voice Style Conversion
AI 导读
StyleStream 2.0通过训练少量步骤的像素MeanFlow模型并使用自回归反馈微调，将端到端延迟降低至520毫秒，比1.0版本提速2倍，同时保持转换质量。该框架引入紧凑的风格嵌入，支持基于文本的语音设计和指令式语音编辑，在目标风格保真度方面达到最强性能。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
StyleStream 2.0实现了语音风格转换的延迟优化和文本控制能力提升，适用于实时语音处理和个性化语音生成场景。
导读由模型辅助整理，非独立核验。完整信息见原文。