深度分析 資料無需的串流一致性蒸餾：低延遲即時互動音樂生成框架 隨著生成式音樂模型多半只能離線渲染，本研究提出資料無需的串流一致性蒸餾技術，將教師模型的多步預測壓縮為單步學生模型，實現低延遲即時互動。實驗證明在保持音色與節奏穩定性的同時，能於實時因子低於0.1的條件下流暢生成音樂，為 AI 與人類共創開闢新可能。
