深入探讨新颖的TDT（词元与时长转换器）模型架构，它如何通过联合预测词元及其时长，在语音识别、语音翻译和口语理解任务中实现更高的准确性和显著的推理加速。我们将讨论其核心机制、实验结果以及相比传统转换器模型的优势。