腾讯游戏知几语音合成大模型推理实践

腾讯游戏知几语音合成大模型推理加速方案背景介绍语音合成模型结构分析语音合成模型推理思路未来展望01背景介绍背景-产品展示01、王者荣耀小妲己“游戏知识问答”02、和平第五人的『AI语音助手』03、天涯明月刀『绝智阿暖』智能NPC范闲老头云悠悠英语男英语女原音CFer你好呀！喜欢姐姐的AK四七吗？不喜欢的话还有M四A一和AN九四哦.姐姐的ASMR你受得了吗？I

loveyoumysweetheart~你在开什么玩笑？我才不会上当呢。背景-产品展示TTS：更自然、韵律丰富、更实时采用LM方案

--

自研知音语音大模型10s音频完成声音复刻通过加速优化，实时率～0085.Audio

Decoder

Language

Model Text

Encoder AudioEncoder喜欢我在你耳边说话的感觉吗?02模型结构选型与分析输入文本声学模型FastSpeech/Tacotron声码器hifigan/wavernn传统方案基于语言模型的新方案语音合成大模型结构输入文本LMModel1243…

9SemanticToken

|AcousticToken

�st1243…

9LMModel/NAR

Model12

43 …

9…71

21 6816

52…3…AcousticToken12

43 …

9…71

21 6816

52…3…Codec

Decoder语音合成大模型结构面临的挑战：高并发场景实时率问题03模型推理加速方案推理加速方案-借鉴与选择是否能将NLP领域的LLM

推理加速方法应用到语音合成大模型上？kv

cacheflash

decodeprefixkv

cacheflash

attention投机采样Int4/int8

量化page

attention…….LLM

中的kv

cache：推理加速方案-kv

cacheStep2，withoutkvcache:Step

1:Step2，withkv

cache:推理加速方案-kv

cache当attention

mask使得attention的计算满足以下条件时，就能使用kv

cacheattentionoutput的第n行只与第n个q相关第1～n个token的attention的计算包含第1～n-1个token的attention计算每次attention的计算都用前面k和v语音ar模型中

attentionmask与attention计算满足kvcache的使用生成第n个tokenattention_maskattention_maskMask(Q*K)Mask(Q*K)推理加速方案-kv

cache对于prefill阶段来说是典型的计算受限场景，计算的瓶颈占据主导。而到了decode

阶段，就是典型的访存受限场景，访存的瓶颈占据主导推理加速方案-GQA相比

kv

cache

int8/fp8

等量化方式，

选择GQA压缩率更可控，可以在保证效果的同时，选择更少的headnum将headnum从16减少到4，推理耗时降低20%推理加速方案-GQA有了kv

cache后，语音合成模型中AR模型也分为prefill阶段和decode阶段，合成10秒的音频需要AR模型生成500个token同样的音频时长，如何减少token生成的数量？推理加速方案-BPE在NLP中，采用类似BPE子词算法进行分词防止OOV问题BPE首先将词分成单个字符，然后依次用另一个字符替换频率最高的一对字符，直到循环次数结束推理加速方案-BPE10s音频需生成token数从500个token下降到约170个token在语音合成大模型中，将BPE算法应用在推理加速上，一次AR模型decode出一个BPE的code，对应多个audiotoken为了能直接使用NLP

BPE，将audio

token先映射到唯一的unicode上，每一个字符对应一个audiocode。推理加速方案-BPE方案二：在语音合成大模型中batch的两种方法方案一：推理加速方案-批处理推理使用方案二：优点：在类似emb的算子需要分别对text和audio

特征做处理时更简单缺点：推理的decode阶段attention计算需要每次传入paddingattention

mask，在推理框架中比较复杂优点：attention推理计算，不需要自定义

paddingattention

mask，可无缝使用LLM推理框架缺点：在类似emb的算子需要分别对text和audio

特征做处理时更复杂推理加速方案-批处理在语音合成大模型中batch的两种方法训练使用方案一：朴素批处理：连续性批处理：推理加速方案-连续性批处理结合腾讯Trpc微服务框架，在语音合成大模型中实践continuousbatching推理推理加速方案-连续性批处理语音合成大模