Ajou University

WaveGen把零样本语音合成从多级流水线收回到单个扩散模型：文本直接生成原始波形，不再经过神经音频编解码器、梅尔声码器、VAE潜变量或时长预测器。它用Spectral Forcing在模型内部同时学习一条低分辨率频谱轨迹和目标波形轨迹，为高分辨率波形上的文本-语音对齐提供结构化引导。在Emilia开源数据、单阶段训练下，0.6B参数的WaveGen在Seed-en基准上取得WER 1.47和说话人相似度SIM 0.75。

WaveGen把零样本语音合成从多级流水线收回到单个扩散模型：文本直接生成原始波形，不再经过神经音频编解码器、梅尔声码器、VAE潜变量或时长预测器。它用Spectral Forcing在模型内部同时学习一条低分辨率频谱轨迹和目标波形轨迹，为高分辨率波形上的文本-语音对齐提供结构化引导。在Emilia开源数据、单阶段训练下，0.6B参数的WaveGen在Seed-en基准上取得WER 1.47和说话人相似度SIM 0.75。

大语言模型指挥的挖掘机可能执行机械上可行、但目的地或权限已不再匹配操作员批准的动作。为此，研究把授权绑定到具体运动：一次性租约同时绑定动作、生成的运动、任务合同与准入容差，派发时原子地复核当前权限与实测关节漂移，并在权限被撤销时请求带载俯仰的五次多项式停车。在672例接口套件中，网关放行全部120例良性用例，攻击套件零次未授权派发；同步仿真中，卸料阶段撤销权限时关闭区最大卸料量从1.23降到0.33立方米。

大语言模型指挥的挖掘机可能执行机械上可行、但目的地或权限已不再匹配操作员批准的动作。为此，研究把授权绑定到具体运动：一次性租约同时绑定动作、生成的运动、任务合同与准入容差，派发时原子地复核当前权限与实测关节漂移，并在权限被撤销时请求带载俯仰的五次多项式停车。在672例接口套件中，网关放行全部120例良性用例，攻击套件零次未授权派发；同步仿真中，卸料阶段撤销权限时关闭区最大卸料量从1.23降到0.33立方米。