自变量机器人提出X2-NativeCursor，用约2M参数进度模型直接从TTS原生语音token估计原文位置，无需ASR或波形对齐。结合播放时钟确定播报进度，支持打断后续读、字幕高亮等。中文位置误差低于在线基线，RTF从0.36降至0.018，并可适配CosyVoice2等不同TTS。