DirectML
微软推出的机器学习加速框架，基于DirectX 12，允许在Windows设备上利用GPU（包括非NVIDIA GPU）进行AI推理与训练加速，广泛支持AMD、Intel及高通Adreno等非CUDA硬件
时间轴 (近 90 天)
YoVoice 的推理利用 Apple Silicon 的 MPS 或 Windows 的 DirectML/CUDA 加速，没有按字符计费，音频数据不上传第三方端点。
微软可借助DirectML在多种GPU上实现硬件加速，但不同显卡的实际表现差异较大。
本地模型需要操作系统、驱动和运行时（如 DirectML、ONNX Runtime）共同完成图划分与算子映射，才能找到最合适的执行单元。
Windows 的硬件相关优化通常通过 WDDM 驱动模型、DirectML 运行时和电源管理框架（如 Modern Standby 与 Energy Saver）分层下发，能否惠及老平台取决于芯片是否支持相同的指令集与驱动接口。
首次生成慢、后续快的现象源于GPU计算图编译与缓存机制，第一次运行需将计算图编译为适配硬件的底层指令，结果缓存后后续可复用
对于AMD GPU用户，DirectML（微软基于DirectX 12的机器学习硬件抽象层）提供跨GPU厂商替代方案，但训练支持完整度不如CUDA成熟
ONNX Runtime的C++ API支持多种执行提供者，包括CUDA、TensorRT、DirectML，在Windows上与DirectML结合可利用各品牌GPU计算能力
全部知识事实 (8)
AMD显卡可通过ROCm或DirectML方案运行Stable Diffusion，但兼容性和性能不如NVIDIA
85%待验证YoVoice 的推理利用 Apple Silicon 的 MPS 或 Windows 的 DirectML/CUDA 加速，没有按字符计费，音频数据不上传第三方端点。
50%待验证微软可借助DirectML在多种GPU上实现硬件加速，但不同显卡的实际表现差异较大。
50%待验证本地模型需要操作系统、驱动和运行时（如 DirectML、ONNX Runtime）共同完成图划分与算子映射，才能找到最合适的执行单元。
50%待验证Windows 的硬件相关优化通常通过 WDDM 驱动模型、DirectML 运行时和电源管理框架（如 Modern Standby 与 Energy Saver）分层下发，能否惠及老平台取决于芯片是否支持相同的指令集与驱动接口。
50%待验证首次生成慢、后续快的现象源于GPU计算图编译与缓存机制，第一次运行需将计算图编译为适配硬件的底层指令，结果缓存后后续可复用
50%待验证对于AMD GPU用户，DirectML（微软基于DirectX 12的机器学习硬件抽象层）提供跨GPU厂商替代方案，但训练支持完整度不如CUDA成熟
50%待验证ONNX Runtime的C++ API支持多种执行提供者，包括CUDA、TensorRT、DirectML，在Windows上与DirectML结合可利用各品牌GPU计算能力
50%