WavCube统一语音理解与生成表示论文发布

Guanrou Yang 等作者在 arXiv 提交并更新了 WavCube 论文（v2），提出一种由 SSL 语音编码器导出的紧凑连续潜在表示，据论文称可同时支持语音理解、重建与生成。 WavCube 采用两阶段训练：先训练语义瓶颈过滤冗余信息，再通过端到端重建注入声学细节，并以语义锚定损失保持语义稳定。作者称相关代码与模型检查点已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。