待验证50% 置信事实精确时间
VoxCPM2采用无Tokenizer架构，去掉了文本分词器和声学分词器环节，让模型在连续表示空间中完成从文本到语音的映射。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证连续扩散语言模型将离散 token 映射到连续嵌入空间，在该空间中执行加噪与去噪过程，最终解码回离散 token70% 相似待验证词汇-韵律单元化与分块方法仅对连续的词单元进行池化处理，以在文本和语音两种模态中保留事件的身份和量级68% 相似待验证自监督语音编码器将语言信息和副语言信息压缩在同一个共享、纠缠的表示空间里67% 相似已验证神经音频编解码器如EnCodec、DAC将连续音频压缩为离散Token序列，使语音可像文字Token一样被自回归语言模型直接处理67% 相似已验证Whisper的架构采用编码器-解码器结构，编码器将音频的梅尔频谱图转化为高维特征表示，解码器以自回归方式逐词生成文字输出65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1089326API
curl https://kongchang.com/api/v1/knowledge/claims/1089326MCP
get_claim(id=1089326)