บทแนะนำและเทคนิค

Boson AI และ LMSYS เปิดตัวบริการ TTS แบบ end-to-end Higgs Audio v3 บน SGLang-Omni

หัวข้อต้นฉบับ:Blog Higgs Audio v3 TTS on SGLang-Omni: Real-Time, Controllable Speech for Voice Agents Today we are announcing end-to-end serving for Higgs Audio v3 TTS on SGLang-Omni. Higgs Audio v3 TTS is Boson AI's text-to-speech model for conversational voice agents: it generates natural and expres... Boson AI & SGLang-Omni Team

สรุปโดย AI

Boson AI และ LMSYS ร่วมกันเปิดตัวบริการ TTS แบบ end-to-end Higgs Audio v3 บนกรอบการอนุมาน SGLang-Omni โมเดลนี้มีพารามิเตอร์ประมาณ 4B บนแกนหลัก Qwen3-4B รองรับ 100 ภาษา (การประเมินภายในครอบคลุม 111 ภาษา) และทำ WER/CER ระดับตัวอักษรในงานโคลนเสียงแบบ zero-shot บน Seed-TTS, CV3, MiniMax-Multilingual และ Higgs-Multilingual นักพัฒนาสามารถปรับอารมณ์ (กว่า 20 แบบ) สไตล์ จังหวะ (ความเร็ว/ระดับเสียง/การหยุด) และเอฟเฟกต์เสียงได้แบบเรียลไทม์ผ่านแท็กควบคุมในข้อความ โมเดลรองรับการสังเคราะห์แบบสตรีมมิ่ง สามารถเริ่มสร้างเสียงได้แม้ข้อความยังไม่สมบูรณ์และรักษาความสอดคล้องไว้ได้ SGLang-Omni ออกแบบมาสำหรับโมเดลการสร้างแบบหลายขั้นตอนโดยเฉพาะ จัดการการถอดรหัส AR และการคำนวณน้ำหนักเบาอย่างเป็นเอกภาพ เพื่อให้ได้การอนุมานที่มีความหน่วงต่ำ

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
LMSYS Blog
หมวดหมู่
บทแนะนำและเทคนิค
คะแนน AI
77
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

Higgs v3 把多语言和实时可控制整合进一个流式 TTS 模型,SGLang-Omni 为它搭好了多阶段推理的底座,做语音 Agent 的可以直接抄作业,这比多数论文落地快半拍。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: Boson AI และ LMSYS เปิดตัวบริการ TTS แบบ end-to-end Higgs Audio v3 บน SGLang-Omni 4 มิถุนายน 2026 https://new.nat6.net/th/news/cmpzqhv5y0607slkptes62n17/

ดูทั้งหมด →