美团LongCat团队开源语音克隆模型LongCat-AudioDiT，提供1B与3.5B双版本。该模型抛弃梅尔谱，采用波形潜空间建模，性能超越Seed-TTS与CosyVoice。本文深入解析其核心技术、推理优化及在AI领域的应用前景。