discrete-representations

提出HybridCodec，一种结合时间压缩离散令牌与连续残差的新颖框架，旨在改进语音语言模型中说话人特征的保留，在保持质量的同时减少自回归步骤。

ViQ提出了一种视觉量化框架，在离散表示中平衡了语义丰富性和细节保留，通过文本对齐预训练和邻近表示学习，支持原生分辨率输入，实现高效的多模态训练。

ARM提出了一种统一的基于离散语义标记化和强化学习优化的自回归框架，用于图像理解、生成与编辑，并展示了跨任务协同效果。