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 OpenAI考虑最早于2027年进行IPO

OpenAI的目标是在今年秋季上市，而Anthropic正在考虑最早于10月进行IPO。知情人士表示，近期科技...

2 XBIT DEX：乌拉圭vs西班牙预测票焦点比赛

消息，XBIT DEX发文称，预测票焦点比赛奖金池为10,000美元，乌拉圭对阵西班牙。市场赔率显示，...

3 比特币与以太坊现货ETF净流出数据

消息，据Lookonchain数据，6月26日，比特币现货ETF单日净流出1.1205万枚，7日净流出2.2038万枚以太...

4 Binance将于下周限制欧盟服务，因未获MI

消息，Binance宣布将于下周限制其在欧盟的服务，原因是未能在MICA许可截止日期前获得批准。受...

5 Phong Le：Strategy已累计持有全球4%的比特币