MOSS-TTS-Local-Transformer-v1.5 en SGLang-Omni: servicio de voz nativo en streaming a 48 kHz
Título original: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
Resumen de IA
MOSS-TTS-Local-Transformer-v1.5 es un modelo TTS de código abierto que admite estéreo a 48 kHz, clonación de voz zero-shot, síntesis de textos largos de hasta 10 minutos, control de duración y 31 idiomas. Su núcleo emplea un backbone Qwen3-4B y un códec de audio MOSS-Audio-Tokenizer-v2 de unos 2B parámetros, que opera mediante 12 libros de códigos RVQ. SGLang-Omni despliega el modelo en una canalización de tres etapas. En Seed-TTS-Eval obtiene una tasa de error de palabras del 5,10% y una similitud de voz del 69,23%; en CV3-Eval, WER del 7,48% y SIM del 61,59%; en MiniMax Multilingual, WER del 6,37% y SIM del 75,31%; y en X Voice, WER del 20,48% y SIM del 63,00%.
Puntos clave
- MOSS-TTS-Local-Transformer-v1.
- 5 es un modelo TTS de código abierto que admite estéreo a 48 kHz,clonación de voz…
- Su núcleo emplea un backbone Qwen3-4B y un códec de audio MOSS-Audio-Tokenizer-v2 de unos 2B…
- SGLang-Omni despliega el modelo en una canalización de tres etapas.
- En Seed-TTS-Eval obtiene una tasa de error de palabras del 5,10% y una similitud de voz del 69,23%
Resumen rápido
- Publicado
- Actualizado
- Fuente
- LMSYS Blog
- Categoría
- Productos y aplicaciones
- Puntuación IA
- 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。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: MOSS-TTS-Local-Transformer-v1.5 en SGLang-Omni: servicio de voz nativo en streaming a 48 kHz. 17. junio 2026. https://new.nat6.net/es/news/cmqj36zhf06vksl5w4wx2c0eo/