流式 TTS 技术演进：从 HMM 到声学大模型的双流式合成机制解析

流式 TTS 区分音频输出流式与双流式，后者支持 LLM 实时对话中边生成文本边合成语音。CosyVoice 2/3 采用交错建模与 chunk-aware causal Flow Matching 实现全链路流式生成。 系统需权衡文本右看范围与首音延迟，分别记录服务端首包和客户端首音时间以评估性能。