并行适配器组合实现实时音视频联合生成

研究提出用并行适配器组合替代链式蒸馏，在冻结的音视频骨干上分别训练因果适配器和现成少步适配器，两者权重更新方向近似正交，推理时直接相加即可。该流式系统在 480×832 分辨率下无需量化达到约 26 fps，可连续生成 30 秒且画质稳定，多数指标匹配或超过链式基线。