IT之家 2 月 3 日新闻辽宁渤海装备科技有限公司，，，，，，，，科技媒体 9to5Mac 今天（2 月 3 日）宣布博文，，，，，，，，报道称苹果公司携手特拉维夫大学，，，，，，，，团结揭晓论文，，，，，，，，提着名为“原则性粗粒度”（PCG）的语音天生新要领，，，，，，，，从而解决 AI 文本转语音（TTS）手艺的速率瓶颈。。。。。。。。

IT之家援引博文先容，，，，，，，，在天生语音方面，，，，，，，，现在行业主流接纳“自回归模子”，，，，，，，，接纳“逐个展望”的方法，，，，，，，，即基于已有的 tokens 来展望下一个。。。。。。。。

然而，，，，，，，，这种机制要求展望效果必需“准确匹配”预设的 tokens，，，，，，，，导致模子经常拒绝现实上听感差别极小、完全可用的展望效果。。。。。。。。这种过于严苛的验证标准，，，，，，，，直接拖慢了整体的天生速率。。。。。。。。

研究团队为相识决上述问题，，，，，，，，提出了“原则性粗粒度”（Principled Coarse-Graining，，，，，，，，简称 PCG）手艺。。。。。。。。该手艺的焦点逻辑在于“求同存异”：研究职员以为，，，，，，，，差别的声学 token 往往能爆发险些相同的听觉效果。。。。。。。。

因此，，，，，，，，PCG 不再将每个声音视为完全自力的个体，，，，，，，，而是建设了“声学相似组”。。。。。。。。只要模子天生的展望 token 落在准确的“相似组”规模内，，，，，，，，系统就会予以接纳。。。。。。。。这种无邪的验证机制，，，，，，，，实质上是将严苛的“单点验证”升级为了容错率更高的“规模验证”。。。。。。。。

在详细运行中，，，，，，，，PCG 引入了“投契解码”战略，，，，，，，，构建了一套双模子协作架构。。。。。。。。首先，，，，，，，，由一个轻量级的小模子快速“推测”并提出候选语音 token；；；；；；；随后，，，，，，，，由一个参数更大的“裁判模子”举行审核。。。。。。。。

只要候选 token 属于准确的声学组，，，，，，，，大模子便会“放行”。。。。。。。。这种分工不但保存了小模子的高速率，，，，，，，，也使用大模子包管了输出质量，，，，，，，，有用平衡了效率与准确性。。。。。。。。

试验数据显示，，，，，，，，应用 PCG 手艺后，，，，，，，，语音天生速率提升了约 40%，，，，，，，，且并未牺牲音频质量。。。。。。。。在自然度评分（满分 5 分）中，，，，，，，，该模子取得了 4.09 的高分。。。。。。。。

在一项极限压力测试中，，，，，，，，研究职员将 91.4% 的语音 token 替换为同组的其他 token，，，，，，，，效果显示词错率仅增添了 0.007，，，，，，，，语言人相似度仅下降 0.027，，，，，，，，人耳险些无法察觉差别。。。。。。。。

PCG 属于“推理阶段”的优化计划，，，，，，，，意味着无需对现有模子举行耗时耗力的重新训练即可直接应用。。。。。。。。别的，，，，，，，，存储声学相似组仅需约 37MB 的特殊内存。。。。。。。。

IT之家附上参考地点