# Reflow蒸馏

Tacit-TTS 从 IndexTTS2 蒸馏而来，用掩码非自回归生成替换自回归文本到语义解码、引入免训练声学长度的估计并对流匹配渲染器做 ReFlow 蒸馏，在两个英语和两个普通话数据集上取得有竞争力的零样本克隆质量，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即可支持跨语言与非词汇参考。

Tacit-TTS 从 IndexTTS2 蒸馏而来，用掩码非自回归生成替换自回归文本到语义解码、引入免训练声学长度的估计并对流匹配渲染器做 ReFlow 蒸馏，在两个英语和两个普通话数据集上取得有竞争力的零样本克隆质量，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即可支持跨语言与非词汇参考。

GeoVerse 在预训练 3D 基础模型（DA3）的几何潜空间内做扩散生成，用 ControlNet 式适配器把冻结的 Wan2.2 VACE 视频特征注入去噪器，并用持续更新的彩色点云空间记忆把历史内容重投影为目标对齐引导，从而在稀疏输入下合成跨视角一致的新视图；在 DL3DV、RealEstate10K、Mip-NeRF 360、ScanNetV2 四个基准上取得更优的视觉质量与几何一致性，其中 DL3DV 的 PSNR 比 GLD 高 2.23 dB、Mip-NeRF 360 的 ATE 比 GLD 低 32.4%，并通过 reflow 蒸馏把推理从 100 秒以上降到 10 秒以内。

GeoVerse 在预训练 3D 基础模型（DA3）的几何潜空间内做扩散生成，用 ControlNet 式适配器把冻结的 Wan2.2 VACE 视频特征注入去噪器，并用持续更新的彩色点云空间记忆把历史内容重投影为目标对齐引导，从而在稀疏输入下合成跨视角一致的新视图；在 DL3DV、RealEstate10K、Mip-NeRF 360、ScanNetV2 四个基准上取得更优的视觉质量与几何一致性，其中 DL3DV 的 PSNR 比 GLD 高 2.23 dB、Mip-NeRF 360 的 ATE 比 GLD 低 32.4%，并通过 reflow 蒸馏把推理从 100 秒以上降到 10 秒以内。