美团发布 SOTA 级语音克隆模型 LongCat-AudioDiT：

▪️ 规模与性能：提供 1B/3.5B 版本，支持中英双语。实现 SOTA 语音克隆性能（Seed-ZH SIM 0.818）。
▪️ 核心架构：基于非自回归扩散，直接在波形潜空间运行以减少复合误差。
▪️ 技术破局：引入 APG 算法取代 CFG 提升自然度；验证了“更好的 VAE ≠ 更好的 TTS”的反直觉结论。