自变量推出 X2Streaming-TTS，可在文本 token 到达时即时生成语音，严格零前瞻，单请求 TTFT 中位数 15.8 ms，64 并发请求下低于 120 ms。它用因果承诺机制暂存歧义数字、单位和符号，并以语音状态继承跨片段保留音高与音色；在 6/8 项流式评测中识别错误最低，数字与流式歧义测试 CER 为 0%，质量与所评测的离线基线相当。