Miso Labs开源8B语音大模型MisoTTS：主打高情感表达与110ms超低延迟

时间：2026-06-04 15:27:10

　　消息，Miso Labs开源了其80亿参数的文本到对话语音生成模型MisoTTS。该模型旨在解决当前语音模型缺乏情感表达和响应迟钝的痛点，能够生成具有人类般丰富情感的语音，且推理延迟低至110毫秒。目前，模型权重已托管至Hugging Face，基于修改后的MIT许可协议开源，API服务也将于近期推出。该模型采用残差矢量量化技术，能够处理文本和音频的混合序列，确保生成内容安全，默认启用了基于Sony/SilentCipher的音频水印。团队表示，解决全双工与对话轮次交互问题将是跨越「音频图灵测试」的下一步重点。

上一篇：Lummis：Dimon对《Clarity Act》看法错误返回首页

下一篇：一名联合国驻黎巴嫩临时部队士兵在黎巴嫩南部的火箭弹袭击中丧生

热点推荐

1 Hyperliquid巨鲸：若BTC续涨至6.47万美元，将

消息，若比特币续涨至6.47万美元，将有三名巨鲸面临约3800万美元的空单清算。目前，距BTC空单...

2 BitMEX：现已支持通过Banxa买卖加密货币

消息，BitMEX宣布现已通过Banxa支持完整的法币与加密货币交易循环。用户可以使用信用卡、Ap...

3 一名联合国驻黎巴嫩临时部队士兵在黎巴

消息，据沙特阿拉伯阿拉比亚电视台：一名联合国驻黎巴嫩临时部队士兵在黎巴嫩南部的火箭...

4 Miso Labs开源8B语音大模型MisoTTS：主打高情

消息，Miso Labs开源了其80亿参数的文本到对话语音生成模型MisoTTS。该模型旨在解决当前语音模...

5 Lummis：Dimon对《Clarity Act》看法错误