Frame stacking

프레임 스태킹은 디코더가 한 번의 반복에서 두 개 이상의 오디오 프레임을 예측하도록 해 디코더 반복 횟수를 줄이는 기법이다. 반복 수를 절반으로 낮춰 추론 시간을 단축하지만 토큰 간 의존성으로 품질이 저하될 수 있다. 이를 보완하기 위해 후속 처리 모델(예: local transformer)과 결합한다.