品玩2月4日讯，据 9TO5MAC 报道，Apple与Tel-Aviv University研究人员联合提出“Principled Coarse-Graining”（PCG）方法，显著提升自回归文本到语音（TTS）模型的生成速度。该技术通过将声学相似的语音令牌归为同一组，在解码阶段放宽严格匹配限制，从而提高推测性解码的接受率。

实验表明，PCG在不重新训练模型的前提下，将语音生成速度提升约40%，同时保持低词错率、高说话人相似度及4.09分（满分5分）的自然度评分。该方案仅需额外37MB内存存储声学分组信息，适用于资源受限设备。

由于PCG为推理阶段的解码优化，可直接应用于现有语音模型，有望为未来Apple平台的实时语音功能提供高效、高质量的技术支撑。

打开网易新闻 查看精彩图片