MOSS-TTS-Local-Transformer-v1.5 di SGLang-Omni: layanan suara streaming native 48 kHz
Judul asli: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
Ringkasan AI
MOSS-TTS-Local-Transformer-v1.5 adalah model TTS sumber terbuka yang mendukung stereo 48 kHz, kloning suara zero-shot, sintesis teks panjang hingga 10 menit, kontrol durasi, dan 31 bahasa. Intinya menggunakan backbone Qwen3-4B dan codec audio MOSS-Audio-Tokenizer-v2 dengan sekitar 2B parameter, yang beroperasi melalui 12 codebook RVQ. SGLang-Omni menerapkan model ini dengan pipeline tiga tahap. Pada Seed-TTS-Eval, word error rate 5,10% dan kemiripan suara 69,23%; pada CV3-Eval, WER 7,48% dan SIM 61,59%; pada MiniMax Multilingual, WER 6,37% dan SIM 75,31%; pada X Voice, WER 20,48% dan SIM 63,00%.
Poin utama
- MOSS-TTS-Local-Transformer-v1.
- 5 adalah model TTS sumber terbuka yang mendukung stereo 48 kHz,kloning suara zero-shot,sintesis…
- Intinya menggunakan backbone Qwen3-4B dan codec audio MOSS-Audio-Tokenizer-v2 dengan sekitar 2B…
- SGLang-Omni menerapkan model ini dengan pipeline tiga tahap.
- Pada Seed-TTS-Eval,word error rate 5,10% dan kemiripan suara 69,23%
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- LMSYS Blog
- Kategori
- Produk & Aplikasi
- Skor AI
- 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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: MOSS-TTS-Local-Transformer-v1.5 di SGLang-Omni: layanan suara streaming native 48 kHz. 17 Juni 2026. https://new.nat6.net/id/news/cmqj36zhf06vksl5w4wx2c0eo/