Tacit-TTS：从自回归解码到掩码预测的高效无转写语音克隆

Tacit-TTS 是一个从 IndexTTS2 蒸馏而来的无转写零样本语音克隆系统，用掩码非自回归生成替代自回归文本到语义解码，并引入免训练声学长度估计与 ReFlow 蒸馏加速流匹配渲染器。在四个中英文数据集上，其对超过 5 秒的语句生成速度比 IndexTTS2 快 10 倍以上，同时保持有竞争力的零样本质量。无转写条件还支持跨语言及非词汇参考，如其他八种语言、婴儿咿呀声和合成乱语。