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 是蒸馏自 IndexTTS2 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的估计与 ReFlow 蒸馏加速流匹配渲染器。在 2 个英语和 2 个普通话数据集上，其对超过 5 秒的语句生成速度比 IndexTTS2 快 10 倍以上，且无需参考语音转写，可支持跨语言及婴儿咿呀、合成乱语等非词汇参考。