MOSS-TTS-Local-Transformer-v1.5 auf SGLang-Omni: nativer Streaming-Sprachdienst mit 48 kHz
Originaltitel:Blog MOSS-TTS Local Transformer v1.5 on SGLang-Omni: Serving Native-Streaming 48 kHz Speech Today we are announcing end-to-end serving for MOSS-TTS-Local-Transformer-v1.5 on SGLang-Omni, together with MOSI and the OpenMOSS Team. MOSS-TTS-Local-Transformer-v1.5 is an open TTS model for 48 kH... MOSI, OpenMOSS Team & SGLang-Omni Team
KI-Zusammenfassung
MOSS-TTS-Local-Transformer-v1.5 ist ein Open-Source-TTS-Modell mit 48-kHz-Stereo, Zero-Shot-Stimmklonierung, Synthese langer Texte bis 10 Minuten, Dauersteuerung und 31 Sprachen. Der Kern nutzt ein Qwen3-4B-Backbone und einen MOSS-Audio-Tokenizer-v2-Audiocodec mit rund 2B Parametern über 12 RVQ-Codebücher. SGLang-Omni stellt das Modell in einer dreistufigen Pipeline bereit. Bei Seed-TTS-Eval werden 5,10 % Wortfehlerrate und 69,23 % Sprachähnlichkeit erreicht, bei CV3-Eval 7,48 % WER und 61,59 % SIM, bei MiniMax Multilingual 6,37 % WER und 75,31 % SIM sowie bei X Voice 20,48 % WER und 63,00 % SIM.
Kernpunkte
- MOSS-TTS-Local-Transformer-v1.
- 5 ist ein Open-Source-TTS-Modell mit 48-kHz-Stereo,Zero-Shot-Stimmklonierung,Synthese langer Texte…
- Der Kern nutzt ein Qwen3-4B-Backbone und einen MOSS-Audio-Tokenizer-v2-Audiocodec mit rund 2B…
- SGLang-Omni stellt das Modell in einer dreistufigen Pipeline bereit.
- Bei Seed-TTS-Eval werden 5,10 % Wortfehlerrate und 69,23 % Sprachähnlichkeit erreicht,bei CV3-Eval…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- LMSYS Blog
- Kategorie
- Produkte & Apps
- KI-Bewertung
- 67
SGLang-Omni 把 MOSS-TTS 的端到端服务拆成三阶段并做了大量底层优化,对想落地实时语音合成的团队是现成的技术方案,技术细节扎实,可以直接照着搭。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: MOSS-TTS-Local-Transformer-v1.5 auf SGLang-Omni: nativer Streaming-Sprachdienst mit 48 kHz. 17. Juni 2026. https://new.nat6.net/de/news/cmqj36zhf06vksl5w4wx2c0eo/