Revise-TTS：非掩码训练与迭代修订

基于摘要分析。Revise-TTS 研究零样本文本转语音（TTS）中掩码扩散模型（MDM）的中间预测难以修订、错误可能累积传播的问题，提出结合 hierarchical binary quantization（HBQ，分层二进制量化）与 generative refinement networks（GRN，生成式细化网络）的单阶段框架。研究对象是语音生成，而非 EEG 解码或 BCI。 机制上，原有 MDM 通过将干净语音 token 序列映射为掩码表示来构造扰动过程，并学习逆向去噪以恢复参考 token。Revise-TTS 用 HBQ 替代 finite scalar quantization（FSQ，有限标量量化），为语音 token 提供可扩展且具有显式由粗到细结构的二进制表示。GRN 的训练任务是从真实 token 与随机 token 的混合序列重建目标序列；推理时，通过随机舍弃一小部分既有预测并以新预测替换，允许迭代过程修订先前结果。其关键区别不只是增加生成步骤，而是让已预测的位置仍有机会被纠正。 作者报告，实验和消融显示使用 HBQ 的 Revise-TTS 具有有竞争力的零样本语音合成表现，并提出该训练与推理方式可扩展至其他基于 MDM 的 TTS 任务。摘要未给出数据集、零样本评估协议、具体指标、基线配置或计算开销，因此无法据此判断收益幅度，也不能确认 HBQ 与 GRN 各自的贡献；实验协议、消融及统计信息尚未验证。 复现时需核对语音 tokenizer 的训练条件、真实与随机 token 的混合策略、推理替换比例及迭代调度，以及质量与推理成本之间的权衡。材料未建立该机制与 EEG 数据结构或 BCI 任务的具体对应关系，不据此推断 BCI 有效性。