RSE-TTS 论文：复用 TTS 主干实现声纹编码，参数减少 48%

RSE-TTS论文提出复用预训练自回归TTS主干作为参考语音编码器，将参考音频与转写文本联合压缩为8个连续向量。其118M参数生成器较独立预训练编码减少48%参数，在三个英文基准上的WER和说话人相似度均优于MOSS-TTS-Nano官方克隆模式；结合声学续写，WER低于CosyVoice 3与MOSS-TTS-Local。