**RubatoCodec：基于预算的自适应语音分词与流式解码**

_RubatoCodec: Budgeted Adaptive Speech Tokenization with Streaming Decoding_

> RubatoCodec 是一种基于 X-Codec-2 构建的变量帧率语音编解码器，通过自适应触发机制将语音划分为可变时长的事件，并引入显式时长表示。该模型在低事件率下实现了优于固定速率编码的重建保真度与可懂度，支持多语言训练，且在流式文本转语音任务中展现了更低的词错率与更高的语音质量，无需显式的生成速率约束即可实现高效流式解码。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.29434)