连续自回归的 dots.tts：小红书开源语音合成模型「基座」

语音合成这条赛道，最近越来越像早期的大语言模型：模型一个比一个强大，底层路线却远没有收敛。有人选择非自回归的扩散，一次并行生成整段声音，但是这种方法只适合离线使用；有人沿用大语言模型最熟悉的方式，把语音压成离散 Token，再逐个自回归预测，但是语音毕竟不是一个一个的词，这样的做法会有一个无法打