苹果提出低内存音频合成架构，用于Siri Expressive Voices端侧实时语音生成。
推荐理由：论文披露Siri端侧语音生成的关键工程路径：用解耦时序深度DiT和RVQ表示压低内存，使高保真合成能跑在AMX预算内。
阅读原文