SOAR —— 质量/相似度之王
- 它是叠在
dots.tts-base之上的后训练检查点（论文所谓「reward-free self-corrective post-training」，无奖励模型的自纠错后训练）。 - 核心卖点：说话人相似度最高（Seed-TTS-Eval 平均 SIM 79.2 全场居首）、克隆音质最佳，故作高质量克隆与微调底座。
- 取名 SOAR，仓库与论文皆未逐字拆解其字母含义，当作品牌代号即可；理解成「base 再精修一版」最贴切。
- 它是从 SOAR 经 CFG-aware MeanFlow 蒸馏得到的低延迟学生模型（student）。
- 蒸馏把多步去噪压成少步：衍生出
mf（NFE=4 推荐）、mf-2steps（固定 2 步 sCM）、mf-1step（固定 1 步）、mf-2steps-stts（双流对话版）。 - 代价是 SIM 略逊 SOAR，但 RTF 骤降——流式 RTF p50 仅 0.13–0.15，首包延迟压到 68ms 级，专为高并发/对话场景而生。
| 维度 | SOAR | MF |
|---|---|---|
| 全称 | 后训练精修检查点（未解字母） | MeanFlow 蒸馏 |
| 强项 | 音质、说话人相似度 | 低延迟、高吞吐 |
| 用法 | 追求「像」 | 追求「快」 |
| 典型 RTF(p50) | 0.18–0.20 | 0.13–0.15 |