उत्पाद और ऐप्स

SGLang-Omni पर MOSS-TTS-Local-Transformer-v1.5: मूल स्ट्रीमिंग 48 kHz वॉइस सेवा

मूल शीर्षक: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

AI सारांश

MOSS-TTS-Local-Transformer-v1.5 एक ओपन-सोर्स TTS मॉडल है जो 48 kHz स्टीरियो, ज़ीरो-शॉट वॉइस क्लोनिंग, 10 मिनट तक लंबे टेक्स्ट सिंथेसिस, अवधि नियंत्रण और 31 भाषाओं का समर्थन करता है। इसका मुख्य ढांचा Qwen3-4B बैकबोन और लगभग 2B पैरामीटर वाला MOSS-Audio-Tokenizer-v2 ऑडियो कोडेक है, जो 12 RVQ कोडबुक के माध्यम से काम करता है। SGLang-Omni तीन-चरणीय पाइपलाइन में इस मॉडल को तैनात करता है। Seed-TTS-Eval पर शब्द त्रुटि दर 5.10% और वॉइस समानता 69.23%, CV3-Eval पर WER 7.48% और SIM 61.59%, MiniMax Multilingual पर WER 6.37% और SIM 75.31%, तथा X Voice पर WER 20.48% और SIM 63.00% रही।

मुख्य जानकारी

  • MOSS-TTS-Local-Transformer-v1.
  • 5 एक ओपन-सोर्स TTS मॉडल है जो 48 kHz स्टीरियो,ज़ीरो-शॉट वॉइस क्लोनिंग,10 मिनट तक लंबे टेक्स्ट…
  • 10% और वॉइस समानता 69.
  • 23%,CV3-Eval पर WER 7.
  • 48% और SIM 61.

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
LMSYS Blog
श्रेणी
उत्पाद और ऐप्स
AI स्कोर
67
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: SGLang-Omni पर MOSS-TTS-Local-Transformer-v1.5: मूल स्ट्रीमिंग 48 kHz वॉइस सेवा। 17 जून 2026। https://new.nat6.net/hi/news/cmqj36zhf06vksl5w4wx2c0eo/

सभी देखें →