腾讯游戏知几语音合成大模型推理实践.docx

腾讯游戏知几语音合成大模型

推理加速方案

李正兴/腾讯高级工程师

DataFunSummit#2024

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”

03、天涯明月刀『绝智阿暖』智能NPC

02、和平第五人的『AI语音助手』

背景-产品展示

AudioDecoderTTS：更自然、韵律丰富、更实时

AudioDecoder

Language

LanguageModel

↑

↑↑↑TextEncoderAudioEncoder?采用LM方案

↑↑↑

TextEncoder

AudioEncoder

个喜欢我在你耳边说话的感觉吗?↑?

个

喜欢我在你耳边说话的感觉吗?

↑

?通过加速优化，实时率～0.085

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？Ilove

~youmysweetheart

~

你在开什么玩笑？我才不会上当呢。

02

模型结构选型与分析

语音合成大模型结构

基于语言模型的新方案传统方案

基于语言模型的新方案

输入文本

输入文本912…43声学模型SemanticToken

输入文本

9

12

…

43

声学模型

SemanticToken|

AcousticToken1st

LMModel

FastSpeech/Tacotron

12439…

12

43

9

…

…AcousticToken21…716843…12952…3LMModel/

…

AcousticToken

21

…

71

68

43

…

12

9

52

…

3

LMModel/NARModel

↓16

↓

16

12439…声码器hifigan/wavernn

12

43

9

…

声码器

hifigan/wavernn

…7121…6816523CodecDecoder

…

71

21

…

68

16

52

3

CodecDecoder

…

语音合成大模型结构

面临的挑战：

1.高并发场景

2.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？

?kvcache

?flashattention

?pageattention

?投机采样

?prefixkvcache

?flashdecode

?Int4/int8量化

?

…….

推理加速方案-kvcache

LLM中的kvcache：

推理加速方案-kvcache

Step

Step1:

Step2，withoutkvcache:

Step2，withkvcache:

推理加速方案-kvcache

当attentionmask使得attention的计算满足以下条件时，就能使用kvcache

?attentionoutput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token

attention_maskMask(Q*K)

attention_mask

attention_maskMask(Q*K)

推理加速方案-GQA

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kvcacheint8/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-BPE

有了kvcache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