SwanTale 发布：统一模型单波形生成多人语音、音效与音乐

Swan 系列第二份技术报告 SwanTale 发布，定位为面向多说话人语音与音频生成的统一模型，支持指令式生成与零样本声音克隆。模型可联合生成语音、环境声、局部音效、歌唱与音乐，引入 SwanData-Caption、SwanVAE、reward-conditioned 质量控制、Engram 条件化与 Unified MoE，相关论文已上 arXiv（2608.02023）。