Tacit-TTS 免转写零样本声音克隆，比 IndexTTS2 快 10 倍

Tacit-TTS 是一个从 IndexTTS2 蒸馏而来的免转写零样本声音克隆系统，用掩码非自回归生成替代自回归的文本到语义解码以消除顺序解码延迟。它引入免训练的声学时长估计，并通过 ReFlow 蒸馏加速 flow-matching 渲染器，在两个英文和两个中文数据集上与 IndexTTS2 的零样本质量相当，超过 5 秒的语句生成速度提升 10 倍以上。